第三步：预处理。搜索引擎将蜘蛛抓取回来的页面，进行各种步骤的预处。(1、提取文字2、中文分词3、去停止词4、消除噪音(搜索引擎需要识别并消除这些噪声，比如版权声明文字、导航条、广告等……)5、正向索引6、倒排索引7、链接关系计算8、特殊文件处理)除了HTML 文件外，搜索引擎通常还能抓取和索引以文字为基础的多种文件类型，如 PDF、Word、WPS、XLS、PPT、TXT 文件等。我们在搜索结果中也经常会看到这些文件类型。但搜索引擎还不能处理图片、视频、Flash 这类非文字内容，也不能执行脚本和程序。
第四步：排名。用户在搜索框输入关键词后，排名程序调用索引库数据，计算排名显示给用户，排名过程与用户直接互动的。但是，由于搜索引擎的数据量庞大，虽然能达到每日都有小的更新，但是一般情况搜索引擎的排名规则都是根据日、周、月阶段性不同幅度的更新。
网页是全球广域网上的基本文档，用HTML(超文本标记语言)书写，该HTML语言书写的文档通常被称为网页的源文件。网页源文件通过有关网络浏览程序(例如微软公司的Intemet Explorer)以文字、图像、声音及其组合等多媒体效果展现在计算机的输出设备中，向计算机用户提供信息。著作权法所保护的著作权并不应为作品的载体不同而进行区别，只要符合《著作权法》规定的作品的条件，作者的著作权都应受到保护。《著作权法实施条例》第二条规定：“著作权法所称作品，指文学、艺术和科学领域内，具有独创性并能以某种有形形式复制的智力创作成果。”因此，我国著作权法保护对象即作品必须具备三个特征，即独创性、可以有形形式复制、属于智力创作成果。网页源文件以数字化形式存储于计算机的存储设备中，能够以多种形式被复制，如果设计人在制作网页源文件的过程中，做出了创作性的智力劳动，那么该网页源文件作为数字化形式的作品应当受到我国著作权法的保护。这种网页源文件实质上相当于计算机程序。
案情摘要：
上海A文化传播有限公司于2005年3月30日发现北京B科技有限公司在其经营的网站上向公众提供胡彦斌、许巍、“黑棒组合”和“花儿乐队”演唱的46首歌曲的MP3文件的下载服务，包括：《红颜》、《黑雨》、《你记得吗》、《进行式》、《猜》、《宣言》、《目不转睛》、《透明人》、《昨天是你生日》、《第一次》、《情不自禁》、《老爸你别装酷》、《尴尬》、《星空》、《完美生活》、《礼物》、《蓝莲花》、《漫步》、《时光》、《平淡》、《一天》、《天鹅之旅》、《旅行》、《夏日的风》、《曾经的你》、《温暖的季节》、《纯真》、《秋海》、《小鱼的理想》、《喝茶去》、《坐看云起》、《永远自由的心》、《伊拉克紧张局势》、《哎哟A-YO》、《霞飞路87号》、《嘻哈不断》、《今天唱什么》、《光轮两千》、《非典型女友》、《散了》、《面具》、《我是你的罗密欧》、《加减乘除》、《懒》、《该》、《FLOWER SHOW》等。经上海A文化传播有限公司审查确认，以上曲目的录音制作者权均归上海A文化有限公司所有，而上海A文化有限公司从未许可北京B科技有限公司通过互联网向公众传播，北京B科技有限公司的行为严重侵犯了上海A文化传播有限公司权益，并给上海A文化传播有限公司造成重大经济损失。
1870527569@qq.com
159-1534-4883