WEB2007 ALSO SPEAKS ENGLISH
06 44 00 14 84 (ou 0033644001484)

* Creation Depliant Vaulx-en-Velin



* Creation Depliant Vaulx-en-Velin





Article:

Un robot d'indexation (ou littéralement araignée du Web ; en anglais web crawler ou web spider) signifie un logiciel qui explore automatiquement le Web. Il est généralement conçu pour collecter les ressources (pages Web, images, vidéos, documents Word, PDF ou PostScript, etc.), afin de permettre à un moteur de recherche de les indexer. Cheminant sur le même principe, certains robots malveillants (spambots) sont employés pour archiver les ressources ou collecter des adresses électroniques auxquelles envoyer des courriels.
En , depuis 2013, crawler est remplaçable par le mot collecteur1. Il existe aussi des collecteurs décryptant habilement les contenus afin de ne ramener qu'une partie de leur information. Dès les années 1990, il a ainsi existé des comparateurs de prix automatiques, puis des comparateurs performance/prix pour les microprocesseurs2. Des frameworks tout effectués comme Scrapy existent pour écrire de tels robots
Pour indexer de nouvelles ressources, un robot procède en suivant récursivement les hyperliens apparus à partir d'une page pivot. Par la suite, il est avantageux de mémoriser l'URL de chaque ressource récupérée et d'adapter la fréquence des visites à la fréquence observée de mise à jour de la ressource. Néanmoins, si le robot respecte les règles du fichier robots.txt, alors de nombreuses ressources échappent à cette exploration récursive. Cet ensemble de ressources inexploré est appelé Web profond ou Web invisible. Un fichier d'exclusion (robots.txt) rangé dans la racine d'un site Web permet de donner aux robots une liste de ressources à ignorer. Cette convention permet de réduire la charge du serveur Web et d'éviter des ressources sans intérêt. Toutefois, certains robots ne se préoccupent pas de ce fichier.
Deux caractéristiques du Web compliquent le travail du robot d'indexation : le volume de données et la bande passante. Les capacités de traitement et de stockage des ordinateurs ainsi que le nombre d'internautes ayant fortement amélioré, cela lié au développement d'outils de maintenance de pages de type Web 2.0 permettant à n'importe qui de mettre facilement en ligne des contenus, le nombre et la complexité des pages et objets multimédia disponibles, et leur modification, s'est considérablement accru dans la première décennie du xxie siècle. Le débit confirmé par la bande passante n'ayant pas connu une progression équivalente, le ème est de traiter un volume toujours croissant d'information avec un débit relativement limité. Les robots ont donc besoin de donner des priorités à leurs téléchargements.
Le Web 3.0 offre des technologies avancées et de nouveaux principes de recherche sur Internet qui devront s'appuyer en partie sur les normes du Web sémantique. Les robots du Web 3.0 exploiteront des méthodes d'indexation impliquant des associations personne-machine plus intelligentes que celles qui sont pratiquées aujourd'hui.






* Web2007 est le site d'un informaticien indépendant qui peut et veut travailler à distance pour des entreprises partout en Europe.
Dans les métiers du web, la proximité n'est pas obligatoire, la nouvelle technologie ( vidéo conférence Skype, Whatsapp, etc... ) nous permet d'être virtuellement juste à coté et de se voir, bienvenue dans le monde du futur !
Et surtout votre site internet n'est pas près de vous mais sur un serveur virtuel distant, donc la proximité n'est pas importante.
Pour info, j'habite personnellement à Gaillard-Haute Savoie et mon bureau est juste à coté à Genève-Suisse.