Εισαγωγή στο INTERNET και στην Υπηρεσία περιήγησης στον Παγκόσμιο Ιστό/WWW
Το διαδίκτυο Το Διαδίκτυο (Internet) είναι το δίκτυο των δικτύων, στο οποίο είναι συνδεδεμένοι παρά πολλοί υπολογιστές και επιμέρους δίκτυα τα οποία μπορούν να χρησιμοποιούν διαφορετική τεχνολογία και λειτουργικά συστήματα. Περιλαμβάνει σχεδόν το σύνολο των παγκόσμιων πηγών πληροφορίας και προσφέρει ποικιλία από υπηρεσίες και εργαλεία επικοινωνίας και πληροφόρησης.
Πώς και πότε ξεκίνησε; Στα τέλη της δεκαετίας του '60, το υπουργείο άμυνας των Η.Π.Α. ανέπτυξε ένα πειραματικό σύστημα επικοινωνίας που ονομαζόταν ARPANet. Αρχικά συνέδεε τα δίκτυα υπολογιστών των στρατιωτικών βάσεων των Η.Π.Α, αλλά σύντομα επεκτάθηκε ώστε να περιλαμβάνει τις εταιρείες και τα ερευνητικά ιδρύματα που είχαν σχέση με την άμυνα. Τη δεκαετία του 1980, αυτά τα συνδεδεμένα δίκτυα, επεκτάθηκαν ευρύτατα στα πανεπιστήμια και σε άλλους οργανισμούς. Σήμερα ο καθένας από το σπίτι του.
Πώς είναι δομημένο; Το Internet δεν ανήκει σε κανέναν, ούτε κανείς καθορίζει τι είδους πληροφορίες θα περάσουν σε αυτό ή πώς αυτές οι πληροφορίες θα χρησιμοποιηθούν. Είναι παρόμοιο με το διεθνές τηλεφωνικό σύστημα: στο σύνολό του δεν είναι ιδιοκτησία κανενός και δεν ελέγχεται από κανέναν, υπάρχει όμως σύνδεση τέτοια ώστε να λειτουργεί ως ένα μεγάλο δίκτυο. Εάν κάποιο τμήμα έχει βλάβη οι πληροφορίες ακολουθούν άλλο δρόμο παρακάμπτοντας το χαλασμένο τμήμα.
Τι προσφέρει το Internet; Πληροφορίες, διασκέδαση, εκπαίδευση, βιβλία, περιοδικά, εκπαιδευτικό υλικό, μουσική, βιντεοταινίες, ομιλίες και διαλέξεις. Ραδιοφωνικά και τηλεοπτικά κανάλια, ιδεατές κοινότητες, ποδόσφαιρο, θρησκεία, οικολογία, περιθώριο, καταναλωτικά αγαθά (ρούχα, παπούτσια, φάρμακα, ανταλλακτικά, είδη σπιτιού, ). Συζητήσεις ζωντανά με άλλους ανθρώπους με κοινά ενδιαφέροντα από όλο τον κόσμο, αρχεία για να μεταφέρει στον υπολογιστή του (οδηγούς συσκευών, εγχειρίδια χρήσης). Δωρεάν προγράμματα, εικόνες, αρχεία, μουσική, video, εικονική περιήγηση σε διάφορους χώρους.
Οι κυριότερες υπηρεσίες: Παγκόσμιος ιστός περιήγηση σε πολυμορφική (multimedia) πληροφορία Ηλεκτρονικό ταχυδρομείο (e-mail) Μεταφορά αρχείων (ftp) Εκτέλεση προγραμμάτων σε άλλους υπολογιστές (telnet) Συνομιλία με άλλους χρήστες (Talk, irc, videoconferencing) Ομάδες συζητήσεων (newsgroups, mailing lists, chatlines) Αναζήτηση πληροφοριών (archive, search engines)
Πώς μεταφέρονται οι πληροφορίες; Χάρη στο πρωτόκολλο TCP/IP (Transmission Control Protocol/ Internet Protocol) οι υπολογιστές συνδέονται, μιλώντας την ίδια γλώσσα (πρωτόκολλο). Το TCP/IP χωρίζει τις πληροφορίες που στέλνουμε σε πακέτα που το καθένα έχει τη δική του ταυτότητα. Κάθε πακέτο «ταξιδεύει» μόνο του μέσα στο Internet και μπορεί να ακολουθήσει διαφορετικό δρόμο από τα άλλα πακέτα για να φθάσει στον προορισμό του. Όταν φθάσουν στον προορισμό τους επανασυνδέονται με τη
πώς μεταφέρονται οι πληροφορίες; O Δρομολογητής (router) είναι ένας ειδικός υπολογιστής που ρυθμίζει την κυκλοφορία των πακέτων και επιλέγει την καταλληλότερη διαδρομή. Σπονδυλική στήλη (Backbone) είναι μία ομάδα γραμμών μεγάλης ταχύτητας που συνδέουν μεταξύ τους τα μεγαλύτερα δίκτυα Μπορούμε να λαμβάνουμε (download) πληροφορίες από έναν άλλον υπολογιστή ή να στέλνουμε (upload) σε έναν άλλον υπολογιστή μέσω του Internet.
Το TCP/IP πρωτόκολλο Είναι στην πραγµατικότητα µια οικογένεια πρωτοκόλλων (4 επιπέδων) που περιέχει µεταξύ άλλων το TCP (Transmission Control Protocol) και το IP (Internet Protocol) πρωτόκολλο. Περιλαμβάνει ακόμα τα πρωτόκολλα: UDP (User Datagram Protocol) ICMP (Internet Control Message Protocol) ARP (Address Resolution Protocol) RARP (Reverse Address Resolution Protocol) Χρησιµοποιείται σε όλες σχεδόν τις µορφές δικτύων (τοπικά, ευρείας κτλ.).
Δομή και μορφή των ΙΡ διευθύνσεων Η ΙΡ διεύθυνση ενός υπολογιστή στο TCP/IP είναι µοναδική µέσα στο δίκτυο. Σε περιβάλλον τοπικού δικτύου µπορούµε εµείς να επιλέξουµε ΙΡ διευθύνσεις για τους Η/Υ. Το διαµοιρασµό των διευθύνσεων στο TCP/IP τον έχει αναλάβει ένας κεντρικός οργανισµός (NIC, Network Information Center). Η ΙΡ είναι ένας 32-bit αριθμός οργανωμένος σε τέσσερα δεκαδικά ψηφία (από 0-255 το καθένα), χωρισμένα με τελεία της µορφής πχ 10.14.28.135 ή 00001000.00001110.00011100.10000011 Μια διεύθυνση IP περιλαµβάνει δύο τµήµατα: Την ταυτότητα του δικτύου (network identifier) Την ταυτότητα του κόµβου (host identifier) (π.χ. υπολογιστής) που βρίσκεται συνδεµένος στο συγκεκριµένο τµήµα του δικτύου. πρακτικά έχουν ταξινοµηθεί τέσσερις κλάσεις δικτύων (Α,Β,C και D)
Internet Protocol Η τρέχουσα έκδοση του IP είναι η έκδοση ΙΡν4. Κυριότερα προβλήματα: Μας τελειώνουν οι διαθέσιμες διευθύνσεις. Δύο είδη τεχνικών για δημιουργία και άλλων διευθύνσεων: ΝΑΤ και ΡΑΤ (Port address translation). Η υποστήριξη του για ροή δεδομένων (πχ. video) δεν είναι και η καλύτερη. Το νέο IPv6 αποτελεί την εξέλιξη του γνωστού μας IPv4. Στο IPv6 έχουμε διευθύνσεις 128 bits αντί των σημερινών 32 bits Μια διεύθυνση IPv6 περικλείεται σε αγκύλες, ώστε να μην μπερδεύεται με τον αριθμό της θύρας (port number) που χρησιμοποιεί η εφαρμογή πχ: http://[2001:0db8:85a3:08d3:1319:8a2e:0370:7344]:443/
Μορφές διευθύνσεων: Οι διευθύνσεις URL (Uniform Resource Locator) μπορούν να έχουν τις εξής μορφές: http://www.ypepth.gr http://www.ypepth.gr/lykeio.html http://ta-nea.dolnet.gr http://openclas.lrf.gr/papers/cart2.html http://www.unicef.org http://sun.sunsolve1.com http://www.ripe.net http://www.aua.gr/site/index.html Πρωτόκολλο Επικοινωνίας Όνομα απομακρυσμένου Υπολογιστή Web Server Θέση αρχείου και όνομα αρχείου που ζητάμε
Σύστηµα Ονοµασίας Περιοχών (DNS) Ο άνθρωπος δεν μπορεί να θυμάται μεγάλους αριθμούς και για το λόγο αυτό τις περισσότερες φορές οι διευθύνσεις µπορούν να αναπαρασταθούν και µε λέξεις που χωρίζονται επίσης µε τελείες, όπως για παράδειγµα: www.sch.gr Σε όλο το ιαδίκτυο υπάρχουν διασκορπισµένα µηχανήµατα που αναλαµβάνουν να εκτελέσουν αυτή την υπηρεσία της µετάφρασης από διευθύνσεις µε λέξεις, σε διευθύνσεις µε αριθµούς. Αυτή η υπηρεσία ονοµάζεται Σύστηµα Ονοµασίας Περιοχών (DNS, Domain Name System).
Τι είναι ο παγκόσμιος ιστός (WWW) O παγκόσμιος ιστός (World Wide Web) ή Web ή WWW ή W3 είναι η πελώρια συλλογή εγγράφων που είναι αποθηκευμένα σε υπολογιστές διάσπαρτους σε όλον τον κόσμο. Το WWW αναπτύχθηκε αρχικά στο CERN (Ευρωπαϊκό Κέντρο Πυρηνικής Έρευνας) της Γενεύης το 1989 από την ομάδα του Tim Berners Lee και σήμερα έχει καθιερωθεί, ως η κεντρική υπηρεσία του Διαδικτύου.
Τι προσφέρει; Εμφάνιση των δεδομένων σε μορφή κειμένου, εικόνας, κινούμενης εικόνας, ήχου και βίντεο. Πληροφορίες οργανωμένες σε μορφή υπερκείμενου (μη γραμμική, όχι όπως το βιβλίο που είναι γραμμική η οργάνωση πχ. η μια σελίδα μετά την άλλη). Μέσω του WWW, o απλός χρήστης κάνει με φιλικό τρόπο όλες τις βασικές εργασίες. Δυνατότητες αναζήτησης, αλληλογραφίας, εντοπισμού, περιήγησης και μεταφοράς των δεδομένων του Internet με ιδιαίτερα φιλικό τρόπο.
Ιστοσελίδες και δικτυακοί τόποι Μια ιστοσελίδα ή έγγραφο μπορεί να περιλαμβάνει κείμενο, εικόνες, κινούμενες εικόνες, ήχο και video. Τοποθεσία ιστού (Web Site) είναι μία συλλογή από ιστοσελίδες που συντηρούνται από κάποιο πρόσωπο (φυσικό ή νομικό).
Διεύθυνση σελίδας (URL) Κάθε ιστοσελίδα έχει τη δική της διεύθυνση που προσδιορίζει το που βρίσκονται οι πληροφορίες. Η διεύθυνση λέγεται URL (Uniform Resource Locator). Αν γνωρίζουμε τη διεύθυνση μιας σελίδας μπορούμε να την εμφανίσουμε απευθείας. Σημαντική Παρατήρηση: Δεν επιτρέπεται η χρήση του κενού διαστήματος ως χαρακτήρα στην ονομασία οποιουδήποτε αρχείου π.χ διεύθυνση ιστοσελίδας, διεύθυνση email, αρχείο ιστοσελίδας, εικόνα, κτλ.
Το πρωτόκολλο HTTP Πρωτόκολλο σημαίνει μια σειρά από κανόνες που αν ακολουθηθούν θα μπορέσει κάποιος να επικοινωνήσει. Το πρωτόκολλο HTTP (Hypertext Transfer Protocol, Πρωτόκολλο μεταφοράς Υπερκειμένου) μας δίνει τη δυνατότητα πρόσβασης σε πληροφορίες μέσω του Διαδικτύου. Το http είναι πρωτόκολλο μεταφοράς αρχείων.
Η λογική client-server Η λογική του Ιστού είναι πελάτης - εξυπηρετητής (client-server). Για να δούμε τις πληροφορίες μιας σελίδας πρέπει να έχουμε ένα φυλλομετρητή (web broswer). Αρχεία που ο web browser έχει την δυνατότητα να απεικονίσει. Αρχεία HTML text/html. Αρχεία Υπερκειμένου σε μορφή HTML Αρχεία εικόνας. image/jpeg image/gif (*.jpg, *.gif, *.png) Αρχεία πολυμέσων. video/mpeg Ο φυλλομετρητής κάνει πληθώρα εργασιών μέχρι να εμφανίσει τη σελίδα που θέλουμε: Αίτημα http με πληροφορίες εμφάνισης-λήψη από serverσυγκέντρωση απαιτούμενων πληροφοριών από τη βάση δεδομένων του αποστολή - λήψη από browser κατάλληλη εμφάνιση αποτελέσματος. Πελάτης Internet Explorer, Netscape, Mozilla, Opera, Lynx Εξυπηρετητής (webserver) IIS, Apache, TUX
Η γλώσσα HTML Ανάπτυξη σελίδων με χρήση της γλώσσας σήμανσης HTML (απλή γλώσσα). Η HTML είναι το ακρωνύμιο των λέξεων HyperText Markup Language, δηλ. Γλώσσα ΣήμανσηςΥπερ- Κειμένου και βασίζεται στη γλώσσα SGML, Standard Generalized Markup Language, όπως και οι μεταγενέστερες XML, NewsML, VRML κ.τ.λ. Η HTML ορίζει ένα σύνολο κοινών στυλ για τις ιστοσελίδες, όπως τίτλοι (titles), επικεφαλίδες (headings), παράγραφοι (paragraphs), λίστες (lists) και πίνακες (tables). Ορίζει επίσης στυλ χαρακτήρων, όπως η έντονη γραφή (boldface) και οι ενότητες κώδικα. Κάνει χρήση των tags-ετικετών που περικλείουν οποιεσδήποτε πληροφορίες (κείμενο, εικόνα κτλ.).
Η γλώσσα HTML Στις ιστοσελίδες html συνυπάρχουν δύο πράγματα: δομή και εμφάνιση άρρηκτα συνδεδεμένα μεταξύ τους. Για να δούμε τις πληροφορίες μιας σελίδας πρέπει να έχουμε ένα φυλλομετρητή (web broswer). Όταν διαβάζουμε μια σελίδα γραμμένη με την HTML σ έναν φυλλομετρητή, ο φυλλομετρητής διαβάζει (διερμηνεύει) τα tags της HTML και μορφοποιεί το κείμενο και τις εικόνες στην οθόνη.
Λοιπές βασικές υπηρεσίες Internet FTP, Chat, News, Search engines
Μεταφορά αρχείων (File Transfer Protocol, FTP) user at host FTP user interface FTP client local file system file transfer FTP server remote file system Χρησιμοποιείται για μεταφορά αρχείων από/προς ένα απομακρυσμένο σύστημα Ακολουθεί το μοντέλο client/server client: Η πλευρά που εκκινεί την μεταφορά αρχείου (είτε από, είτε προς το απομακρυσμένο σύστημα) server: το απομακρυσμένο σύστημα FTP server: ακούει στο port 21.
Διαχωρισμός των συνδέσεων ελέγχου/ δεδομένων TCP control connection port 21 O FTP Client συνδέεται στον FTP Server στο port 21, (χρήση TCP ως transport protocol) Ο Client είναι αναγκασμένος να πιστοποιηθεί πάνω από το ίδιο control connection (port 21) Παρέχοντας τα σωστά username/password, o Client μπορεί να εμφανίσει το remote directory στέλνοντας κατάλληλες εντολές πάνω από το control connection FTP client TCP data connection port 20 FTP server Για μεταφορά ενός αρχείου ο Server ανοίγει ένα data connection (TCP) προς τον Client (port 20) Μετά από τη μεταφορά ενός αρχείου ο Server κλείνει το data connection Για τη μεταφορά ενός άλλου αρχείου ο Server ανοίγει δεύτερο TCP data connection
Σύνδεση σε έναν ftp server
Συνομιλία με άλλους χρήστες (Talk, irc, videoconferencing)
Αναζήτηση πληροφοριών (search engines) Tο διαδίκτυο δεν έχει δομή. Οι χρήστες αδυνατούν τις περισσότερες φορές να εντοπίσουν τα σημεία εκείνα του δικτύου που περιέχουν τις πληροφορίες τις οποίες αυτοί χρειάζονται : Θεματικοί κατάλογοι Μηχανές αναζήτησης
Θεματικοί κατάλογοι - Πύλες
Γεωγραφική ταξινόμηση Αναζήτηση ανά κατηγορία Αναζήτηση ανά περιφέρεια.
Προσθήκη ιστοσελίδας σε θεματικό κατάλογο
Οι μηχανές αναζήτησης Οι Μηχανές Αναζήτησης (Search Engines) αποθηκεύουν πληροφορίες για εκατομμύρια σελίδες Web σε μια τεράστια βάση δεδομένων. Από τα αρχεία που συγκεντρώνονται (με βάση τον τίτλο τους, το πλήρες κείμενο, το μέγεθός τους, τη διεύθυνσή τους κλπ) δημιουργείται ένα ευρετήριο. Μπορείτε να κάνετε αναζητήσεις σε αυτές τις βάσεις δεδομένων εισάγοντας λέξεις-κλειδιά (keywords). http://www.webone.gr/how-search-engines-work.htm
Ελληνικές μηχανές αναζήτησης - πύλες www.directory.gr www.e-go.gr www.flash.gr www.forthnet.gr www.hol.gr www.in.gr www.pathfinder.gr www.phantis.com
Διεθνείς Μηχανές αναζήτησης www.yahoo.com www.altavista.com www.infoseek.com www.lycos.com www.coogle.com www.askjeeves.com www.infind.com www.metafind.com www.cyber411.com
Μηχανές Αναζήτησης και ιστοσελίδες Αναζήτηση με λέξεις κλειδιά: εύρεση ζητούμενων λέξεων λέξεις μέσα σε ένα κείμενο. Καλύτερη λύση αποτελούν τα μεταδεδομένα που πρέπει να συνοδεύουν μια σελίδα, ακόμα και σε HTML μορφή, ώστε να έχουμε καλύτερη ανάκτηση πληροφοριών. Αναζήτηση-ανάκτηση (search-retrieval) και κατάταξη (ranking) των σελίδων (χρήση διανυσμάτων για τη σχετικότητα μιας σελίδας). Απαιτείται μια πιο σημασιολογική δομή των ιστοσελίδων πλέον. Τα tags πλέον περιέχουν σημασία και όχι οδηγίες εμφάνισης (πχ όπως στην XML).
Κανόνες αναζήτησης Χρήση όσο πιο ακριβών όρων αναζήτησης γίνεται Επιλογή για «Προχωρημένη Αναζήτηση» Για να γενικεύσετε τους όρους της αναζήτησης, χρησιμοποιείστε μετά τον όρο το " * " (π.χ. το "surg*" θα καλύψει τους όρους "surgery", "surgical", κ.ά.). Ως πιο δύσκολα σενάρια αναζήτησης: Αναζήτηση συγκεκριμένων ιστοσελίδων Αναζήτηση λογισμικού εγκατάστασης Αναζήτηση επιμορφωτικού υλικού σε διάφορες μορφές (π.χ.pdf,.zip) Αναζήτηση συγκεκριμένων αρχείων Ως παράδειγμα αναζητείται υλικό για τη διδασκαλία του Πυθαγορείου Θεωρήματος (σελ.16) με χρήση των προαναφερθέντων εργαλείων.
H λέξη «Ελλάς»...το 2000 380 εκατομμύρια ηλεκτρονικές σελίδες Ακόμη και με την καλύτερη μηχανή αναζήτησης, ο χρήστης ανατρέχει μόλις περίπου στο 1/3 από αυτές. Η λέξη «Ελλάς» σε 156.000 σελίδες Η λέξη«greece» σε 1.435.000 σελίδες
Αναζήτηση με λέξεις - κλειδιά
Ο Παγκόσμιος ιστός www Είναι μια υπηρεσία του Internet Yπολογιστές σε παγκόσμιο επίπεδο προσφέρουν πληροφορίες για διάφορα θέματα Κάθε υπολογιστής χαρακτηρίζεται από μια μοναδική διεύθυνση π.χ. www.culture.gr Αυτό που μένει στο χρήστη είναι να ξέρει σε πoια διεύθυνση θα βρει κάτι που τον ενδιαφέρει.
Υπηρεσία www www.ypepth.gr Πελάτης (Client) Διακομιστής (Server)
Διακομιστής (Server) www Υπολογιστής που εκτελεί ειδικό λογισμικό (www server) www.ypepth.gr Σταθερή σύνδεση στο δίκτυο Φιλοξενεί το περιεχόμενο (σελίδες) Παρέχει το περιεχόμενο σε πολλούς πελάτες ταυτόχρονα Πελάτες βρίσκονται σε διάφορα σημεία του διαδικτύου Έχει μοναδική διεύθυνση στο διαδίκτυο (DNS όνομα) π.χ. www.ypepth.gr
www Πελάτες Είναι κάθε υπολογιστής που συνδέεται στο διαδίκτυο Χρησιμοποιεί ειδικό πρόγραμμα για την περιήγηση στον παγκόσμιο ιστό Netscape Navigator Microsoft Internet Explorer H προσπέλαση σε μιά τοποθεσία (server) γίνεται μέσω της διεύθυνσης της τοποθεσίας
www.culture.gr
www.culture.gr
www.culture.gr
Ζητήματα ηθικής και κίνδυνοι στο Διαδίκτυο Οι ιοί στοιχίζουν στις κυβερνήσεις και τις ιδιωτικές επιχειρήσεις μόνο στην Ευρώπη κάπου στα δύο με τρία δισεκατομμύρια ευρώ ετησίως. Η αυτόκλητη ηλεκτρονική αλληλογραφία, γνωστή διαφορετικά ως spam ενοχλητική αλληλογραφία, σήμερα μεταφράζεται στο 90% περίπου του συνόλου της ηλεκτρονικής αλληλογραφίας, με περισσότερο του 1,5% να περιλαμβάνει κακεντρεχείς κώδικες. Ένα σημαντικό ποσοστό του περιεχομένου του Διαδικτύου είναι είτε παράνομο ή επιβλαβές, υπονομεύοντας τα απολύτως βασικά θεμέλια των ανθρωπίνων δικαιωμάτων και της ανθρώπινης αξιοπρέπειας.
Επιπλέον, η μόνιμα εύθραυστη έννοια της ισότητας απειλείται ακόμα μία φορά καθώς η ψηφιακή διαίρεση διαχωρίζει τις πληροφορίες για τους «έχοντες» και τους «μη έχοντες». Πολλοί νέοι άνθρωποι βιώνουν ένα αναπτυσσόμενο μειονέκτημα εξαιτίας της έλλειψης υλικών μέσων για πρόσβαση στο Διαδίκτυο, τεχνικών και διαδικτυακών ικανοτήτων για αναζήτηση πληροφοριών και αποτελεσματική χρήση αυτών.
Τι είναι μία μηχανή αναζήτησης και πως λειτουργεί; Οι μηχανές αναζήτησης είναι προγράμματα που επιτρέπουν την αναζήτηση με λέξεις-κλειδιά (keywords) σε τεράστιες βάσεις δεδομένων. Αυτές οι βάσεις δεδομένων περιέχουν αντίγραφα εκατομμυρίων ιστοσελίδων του World Wide Web που συλλέγονται αυτόματα από ειδικά προγράμματα, τα οποία μπορεί να έχουν διάφορες ονομασίες (spider, crawler, robot κλπ.), αλλά εκτελούν ουσιαστικά την ίδια εργασία. Έτσι λοιπόν, μία μηχανή αναζήτησης αποτελείται από τρία βασικά μέρη: 1. Τον Spider (ή Crawler ή Robot κλπ.): ένα ειδικό αυτόματο πρόγραμμα που επισκέπτεται ιστοσελίδες, τις «διαβάζει» και έπειτα ακολουθεί τις υπερσυνδέσεις (hyperlinks) των ιστοσελίδων αυτών προς άλλες ιστοσελίδες. Κατά καιρούς (π.χ. μία φορά το μήνα) ο spider επιστρέφει στις ιστοσελίδες που έχει ήδη επισκεφτεί ψάχνοντας για αλλαγές.
2. Το Ευρετήριο (Index): μία τεράστια βάση δεδομένων που περιέχει αντίγραφα όλων των ιστοσελίδων που επισκέφτηκε και «διάβασε» ο spider. Όταν ο spider ανακαλύψει αλλαγές σε κάποιες ιστοσελίδες, τότε ενημερώνονται και τα αντίγραφα στο ευρετήριο. Βέβαια, το τι ακριβώς αντιγράφει στο ευρετήριο ο spider εξαρτάται από κάθε μηχανή αναζήτησης. Οι περισσότερες αξιόλογες μηχανές διαθέτουν το πλήρες κείμενο των ιστοσελίδων στο ευρετήριό τους, υπάρχουν όμως και κάποιες που «ευρετηριάζουν» μόνο τον τίτλο μιας ιστοσελίδας και τις πρώτες γραμμές κειμένου. 3. Το μηχανισμό αναζήτησης: το πρόγραμμα που ερευνάει το ευρετήριο για να βρει ιστοσελίδες που ταιριάζουν στις λέξειςκλειδιά της αναζήτησης που έθεσε ο χρήστης. Συνήθως ιεραρχεί τα αποτελέσματα της αναζήτησης με βάση κάποια κριτήρια
Κριτήρια ιεράρχησης αποτελεσμάτων Σε αντίθεση με τους ανθρώπους οι μηχανές αναζήτησης δεν διαθέτουν κρίση ή εμπειρία στην οποία να στηριχτούν για την ιεράρχηση των αποτελεσμάτων μιας αναζήτησης. Είναι όμως σε θέση να ιεραρχούν τα αποτελέσματα υπολογίζοντας την συνάφεια, το ποσοστό δηλαδή που δείχνει πόσο σχετικό είναι το περιεχόμενο μιας ιστοσελίδας με τις λέξειςκλειδιά της αναζήτησης, ακολουθώντας μία σειρά από κανόνες, γνωστούς ως αλγόριθμους. Πώς ακριβώς δουλεύει ο αλγόριθμος μιας συγκεκριμένης μηχανής αναζήτησης είναι εμπορικό μυστικό, όπως η συνταγή της Coca Cola. Σε γενικές γραμμές όμως, οι δύο κυριότεροι κανόνες, που ακολουθούνται από όλες τις μηχανές αναζήτησης για την ιεράρχηση των αποτελεσμάτων, αφορούν στην τοποθεσία και την συχνότητα των λέξεων-κλειδιών μέσα σε μία ιστοσελίδα. Έτσι, θεωρούνται πιο σχετικές οι ιστοσελίδες που περιέχουν τον όρο της αναζήτησης στον τίτλο, στην πρώτη επικεφαλίδα ή στις πρώτες παραγράφους κειμένου. Επίσης μεγάλη σημασία έχει η συχνότητα με την οποία εμφανίζονται οι όροι της αναζήτησης σε μία ιστοσελίδα σε σχέση με άλλες λέξεις.
Σε αντίθεση με αυτό που πιστεύουν πολλοί σχεδιαστές ιστοσελίδων, τα meta tags (εντολές της γλώσσας προγραμματισμού HTML) δεν είναι αυτά που εξασφαλίζουν μια υψηλή θέση στην ιεράρχηση των αποτελεσμάτων. Υπάρχουν μάλιστα μηχανές αναζήτησης που δεν τα «διαβάζουν» καν. Ακόμη και από αυτές που το κάνουν, δεν τους δίνουν όλες την ίδια βαρύτητα. Αυτό γιατί τα meta tags χαλκεύονται συχνά από φιλόδοξους σχεδιαστές ιστοσελίδων. Αυτή η πρακτική παραποίησης των ιστοσελίδων από ορισμένους σχεδιαστές, οι οποίοι ανακαλύπτουν συνέχεια καινούρια κόλπα για να ξεγελούν τις μηχανές αναζήτησης, ονομάζεται spamming (ή spamdexing ή spoofing). Προκειμένου να αντιμετωπίσουν αυτή την πρακτική οι μηχανές αναζήτησης βελτιώνουν συνεχώς τις τεχνικές προσδιορισμού συνάφειας χρησιμοποιώντας μία σειρά από επιπλέον κριτήρια για την ιεράρχηση των αποτελεσμάτων. Ένα από αυτά είναι η ανάλυση υπερσυνδέσεων. Αναλύοντας πως οι ιστοσελίδες συνδέονται μεταξύ τους, η μηχανή αναζήτησης μπορεί να προσδιορίσει το θέμα μιας σελίδας και πόσο σημαντική θεωρείται.
Ένα δεύτερο κριτήριο είναι η δημοτικότητα μιας ιστοσελίδας, δηλαδή πόσες επισκέψεις δέχεται μία ιστοσελίδα για μία συγκεκριμένη αναζήτηση. Παράλληλα, οι μηχανές αναζήτησης χρησιμοποιούνε διάφορες τεχνικές για να ανακαλύπτουν προσπάθειες παραποίησης από σχεδιαστές ιστοσελίδων, που θέλουν να πετύχουν υψηλές θέσεις στην ιεράρχηση των αποτελεσμάτων. Σε ορισμένες περιπτώσεις μπορεί και να σβήσουν τις συγκεκριμένες ιστοσελίδες από τα ευρετήριά τους, ιδιαίτερα εφόσον δεχτούν παράπονα από τους χρήστες τους, που πέφτουν «θύματα» μιας τέτοιας απάτης. Παρ όλα αυτά ο χρήστης δεν μπορεί (και δεν πρέπει) να έχει απόλυτη εμπιστοσύνη στην ιεράρχηση των αποτελεσμάτων σύμφωνα με το ποσοστό συνάφειας. Όχι μόνο γιατί θα υπάρχουν πάντα άσχετες ιστοσελίδες που θα παρουσιάζονται στα αποτελέσματα, αλλά γιατί η ανθρώπινη λογική είναι πολύ πιο σύνθετη από τον αλγόριθμο που χρησιμοποιεί μία μηχανή αναζήτησης. Έτσι, μπορεί το συγκεκριμένο πράγμα που ζητάει ο χρήστης να βρίσκεται πολύ πιο χαμηλά στην ιεράρχηση των αποτελεσμάτων
Οι μηχανές αναζήτησης έχουν δικές τους ιστοσελίδες στο διαδίκτυο. Χρηματοδοτούνται με διαφημίσεις και έτσι προσφέρουν τις υπηρεσίες τους στους χρήστες δωρεάν. Σε ειδικά πεδία (search forms) ο χρήστης μπορεί να πληκτρολογεί τις λέξεις-κλειδιά προς αναζήτηση και η μηχανή αναζήτησης επιστρέφει τα αποτελέσματα: τους τίτλους ιστοσελίδων, συνήθως με ένα μικρό απόσπασμα του κειμένου της ιστοσελίδας (ή σπανιότερα μία μικρή περιγραφή), καθώς και με μία υπερσύνδεση που οδηγεί σε αυτήν. Οι περισσότερες μηχανές αναζήτησης προσφέρουν επίσης καταλόγους ιστοσελίδων οργανωμένους σε θεματικές ενότητες, στους οποίους ο χρήστης μπορεί να πλοηγηθεί αναζητώντας κάτι που τον ενδιαφέρει. Επίσης, πολλές μηχανές αναζήτησης προσφέρουν μία σειρά από άλλες υπηρεσίες, όπως δωρεάν e- mail, chat, ειδήσεις, χρηματιστήριο, καιρός κλπ., οι οποίες ουσιαστικά δεν έχουν καμία σχέση με την λειτουργία των μηχανών αναζήτησης, αλλά σκοπεύουν στο να προσελκύουν επισκέπτες στις σελίδες τους.
Μηχανή αναζήτησης ή πύλη Οι μέρες στις οποίες ένας χρήστης μπορούσε να διακρίνει με την πρώτη ματιά μία μηχανή αναζήτησης από μία πύλη έχουν σίγουρα παρέλθει. Οι πύλες (portals) είναι δικτυακοί τόποι που προσφέρουν μία ποικιλία υπηρεσιών (ειδησεογραφία, χρηματιστήριο, καιρός, chat, e-mail, λεξικό, μετατροπέα νομισμάτων, θεματικό κατάλογο ιστοσελίδων, μηχανισμό αναζήτησης, υπερσυνδέσεις κλπ.) και φιλοδοξούν να είναι οι πρώτες ιστοσελίδες που θα επισκέπτεται ο χρήστης μόλις μπαίνει στο Internet. Με τον καιρό όλο και περισσότερες μηχανές αναζήτησης άρχισαν να ενσωματώνουν στις ιστοσελίδες τους τέτοιου είδους υπηρεσίες προκειμένου να είναι αυτές που θα προσελκύουν τους επισκέπτες. Από την άλλη, πολλές από τις νεώτερες πύλες έχουν σχεδιάσει τις ιστοσελίδες τους με βάση τις σελίδες δημοφιλών μηχανών αναζήτησης, ενώ όλες οι πύλες διαθέτουν πλέον έναν μηχανισμό αναζήτησης για τις ιστοσελίδες και τον θεματικό τους κατάλογο ή προσφέρουν τις υπηρεσίες μίας ή περισσοτέρων μηχανών αναζήτησης μέσα από τις σελίδες τους. Έτσι, αν και η ουσία των μηχανών αναζήτησης παραμένει η ίδια (η συλλογή και αναζήτηση ιστοσελίδων), ο σκληρός ανταγωνισμός στο διαδίκτυο απαιτεί όχι μόνο την βελτίωση της λειτουργίας τους, αλλά και τον εμπλουτισμό των ιστοσελίδων τους με όλο και περισσότερα χαρακτηριστικά και υπηρεσίες που θα προσελκύουν τους χρήστες του Internet.
Όσο πιο ασυνήθιστος ή εξειδικευμένοςείναι ο όρος τόσο πιο συγκεκριμένα θα είναι τα αποτελέσματα. Ακόμη πιο αποτελεσματική είναι η χρήση (όπου αυτό είναι δυνατό) μιας φράσης, που συνήθως πρέπει να εσωκλείεται σε εισαγωγικά ( ), καθώς και ο συνδυασμός όρων χρησιμοποιώντας την λογική των τελεστών, την οποία θα δούμε αναλυτικά παρακάτω. Όταν η μηχανή αναζήτησης δίνει στον χρήστη τη δυνατότητα, καλό θα ήταν να κάνει πρώτα αναζήτηση του όρου στον τίτλο της ιστοσελίδας. Είναι πιο πιθανό μία ιστοσελίδα με την λέξη στον τίτλο να περιέχει αυτό που ζητάει. Επίσης σε γενικές γραμμές συνίσταται η χρήση μικρών γραμμάτων, καθώς ορισμένες μηχανές διαχωρίζουν μεταξύ μικρών και κεφαλαίων. Εξαίρεση στον κανόνα αποτελεί η περίπτωση που γίνεται έρευνα για ονόματα, γεωγραφικές τοποθεσίες και τίτλους βιβλίων ή ταινιών, οπότε η χρήση κεφαλαίων αποφέρει καλύτερα αποτελέσματα.
Τέλος, όταν η αναζήτηση δεν έχει κανένα αποτέλεσμα αυτό συχνά οφείλεται σε ορθογραφικό ή τυπογραφικό λάθος, οπότε συμφέρει τον χρήστη να το ελέγξει αυτό προτού προχωρήσει σε άλλη μηχανή ή εγκαταλείψει την έρευνα. Ωστόσο, ο χρηστής των μηχανών αναζήτησης πρέπει να γνωρίζει ότι τα προσφερόμενα χαρακτηριστικά και οι διάφορες τεχνικές αναζήτησης δεν λειτουργούν πάντοτε επιτυχώς. Συχνά η αναζήτησή του δεν θα έχει τα αναμενόμενα αποτελέσματα ή θα χρειαστεί να ψάξει μέσα από εκατοντάδες ιστοσελίδες μέχρι να βρει αυτό που θέλει. Ανεξάρτητα από αυτό, ακόμη και η καλύτερη μηχανή αναζήτησης δεν μπορεί να βρει κάτι που δεν υπάρχει. Το Internet δεν περιέχει όλη την ανθρώπινη γνώση ούτε είναι πάντα η πιο έγκυρη πηγή πληροφοριών. Ο χρήστης πρέπει να είναι σε θέση να αναγνωρίζει πότε να απευθυνθεί αλλού
Η λογική των τελεστών (Boolean logic) Εξίσου σημαντική με την επιλογή των σωστών όρων είναι και ο σωστός συνδυασμός τους, που μπορεί να αυξήσει κατακόρυφα την αποτελεσματικότητα μιας αναζήτησης. Η λογική των τελεστών (Booleanlogic) είναι μία μέθοδος που επιτρέπει τον συνδυασμό όρων σε μία αναζήτηση χρησιμοποιώντας λογικές πράξεις με τελεστές τις λέξεις and, or, not και near. Η χρήση του τελεστή and σε έναν συνδυασμό λέξεων οδηγεί στην ανάκτηση μόνο ιστοσελίδων που περιέχουν όλους τους όρους της αναζήτησης. Αυτό επιτρέπει να διενεργούνται ακριβείς αναζητήσεις, ενώ παράλληλα μειώνει σημαντικά τον αριθμό των αποτελεσμάτων που πρέπει να ερευνήσει ο χρήστης. Μερικές μηχανές δεν δέχονται τον τελεστή and, αλλά επιτρέπουν την χρήση του λογικού συμβόλου + που ισοδυναμεί με το and.
Η χρήση του τελεστή or σε έναν συνδυασμό λέξεων οδηγεί στην ανάκτηση ιστοσελίδων που περιέχουν οποιονδήποτε από τους όρους της αναζήτησης. Βέβαια, αυτό οδηγεί σε έναν μεγάλο αριθμό αποτελεσμάτων. Για το λόγο αυτό η χρήση του τελεστή or συνίσταται μόνο στην αναζήτηση συνώνυμων όρων, στην περίπτωση δηλαδή που αυτό που ζητάει ο χρήστης μπορεί να εμφανίζεται στις ιστοσελίδες του World Wide Web με διάφορες ονομασίες. Πολλές μηχανές πραγματοποιούν μία τέτοια αναζήτηση όταν ο χρήστης αφήνει κενά ανάμεσα στις λέξεις, ενώ άλλες απαιτούν την χρήση του τελεστή or.
Απαιτείται προσοχή βέβαια, γιατί υπάρχουν και μηχανές αναζήτησης που αντιλαμβάνονται το κενό ανάμεσα στις λέξεις ως τον τελεστή and. Η χρήση του τελεστή not σε έναν συνδυασμό λέξεων οδηγεί στην ανάκτηση ιστοσελίδων που περιέχουν έναν συγκεκριμένο όρο, αλλά δεν περιέχουν κάποιες άλλες λέξεις που επιλέγει ο χρήστης. Ο τελεστής not βοηθάει στον περιορισμό των αποτελεσμάτων, αποκλείοντας κάποιους όρους που διευρύνουν πολύ το πεδίο της αναζήτησης, αποτελεί ωστόσο δίκοπο μαχαίρι, γιατί μπορεί να οδηγήσει στον αποκλεισμό ορισμένων χρήσιμων για τον χρήστη ιστοσελίδων. Μερικές μηχανές δε δέχονται τον τελεστή not, αλλά επιτρέπουν την χρήση του λογικού συμβόλου - που ισοδυναμεί με το not. Υπάρχουν μηχανές που δέχονται και τα δύο, ενώ άλλες απαιτούν την χρήση του τελεστή not. Συγκεκριμένες μηχανές πάλι τον δέχονται μόνο όταν είναι γραμμένος με κεφαλαία γράμματα.
Πηγές: http://pacific.jour.auth.gr/totsidou/search_engines_in_the_www.htm http://datalabs.edu.gr/forum/default.aspx?g=posts&m=484 http://www.cs.ucy.ac.cy/~cschris2/downhtm/exam2.htm