OK，经过我3天的调整，终于在昨天百度更新了我的首页快照，也重新收录了本站的文章，这一点我还是挺高兴的，终于看见百度正常了一次。呵呵，废话不多说，讲点知识上的东西，先讲一下百度搜索引擎分词算法的分析，这篇主要讲的是查询处理的问题。

关于用户向搜索引擎提交查询，搜索引擎一般在接受到用户查询后要做一些处理，然后在索引数据库里面提取相关的信息。那么百度在接受到用户查询后会做些什么工作呢？假设用户提交了不只一个查询串，比如“大连SEO 企业网站优化 排名工具”。那么搜索引擎首先做的是根据分隔符比如空格、标点符号、将查询串分割成若干子查询串，比如上面的查询就会被解析为：<大连SEO，企业网站优化，排名工具>三个子字符串；这个大家都知道，那么我们接着往下说。假设提交的查询有重复的内容，搜索引擎怎么处理呢？比如查询：大连 大连SEO，百度是将重复的字符串当作只出现过一次，也就是处理成等价的“大连SEO”，而谷歌显然是没有进行归并，而是将重复查询子串的权重增大进行处理。那么是如何得出这个结论的呢？我们可以将“大连SEO”提交给百度，返回258,000篇文档，大致看看先进页的返回内容。继续，我们提交查询“大连 大连SEO”，在看看返回结果，仍然是那么多返回文档，当然这个不能说明太多问题，那看看先进页返回结果的排序，看出来了吗？顺序基本没有太大变化，而谷歌排序就有些变动，这说明百度是将重复的查询归并成一个处理的，而且字符串之间的先后出现顺序基本不予考虑（谷歌是考虑这个顺序关系的）。

其次假设提交的中文查询包含英文单词，搜索引擎是怎么处理的？比如查询”电影BT下载”，百度的方法是将中文字符串中的英文当作一个整体保留，并以此为断 点将中文切分开，这样上述的查询就切为<电影，BT，下载>，不论中间的英文是否一个字典里能查到的单词也好，还是随机的字符也好，都会当作一个整体来对待。至于为什么，你用查询“电影dfdfdf下载”看看结果就知道了。当然如果查询中包含数字，也是如此办理。

到目前为止，一切很简单，也很清楚，百度怎么处理用户查询的呢？归纳如下：首先根据分割符号将查询分开，然后看看是否有重复的字符串，如果有，就抛弃多余的，只保留一个，接着判断是否有英文或者数字，如果有的话，把英文或者数字当作一个整体保留并把前后的中文切开。