§ 12. World Wide Web — Всемирная паутина
Рассмотрим более подробно, что же такое World Wide Web (WWW). Обычно это словосочетание переводят как «Всемирная паутина». Каждый представляет себе паутину — это сеть, которую плетет паук. По смыслу слово «паутина» (Web) является синонимом слова «сеть».
Таким образом, за использованием разных терминов закрепился разный смысл: сеть — это система взаимосвязанных компьютеров, т. е. техническая система, а паутина (Web) — это система взаимосвязанных документов, т. е. структура данных.
Разумеется, «паутина» документов существует на базе компьютерной сети.
Каждый отдельный документ, имеющий собственный адрес, называется wеЬ-страницей.
Каждая wеb-страница может иметь множество связей с другими страницами, которые хранятся как на том же самом компьютере, так и на других компьютерах сети. На рис. 2.5 схематически показано наложение паутины документов на компьютерную сеть. Сплошными линиями обозначены wеb-серверы и связи между ними, пунктирными — wеb-документы и их связи.
Рис. 2.5. Компьютерная сеть и «паутина» документов
Wеb-сервер — это компьютер, на котором работает сервер-программа WWW. В его дисковой памяти хранятся wеb-страницы.
Wеb-страница (документ) может содержать самую разную информацию: текст, рисунок, звукозапись, видео. Каждая страница хранится в отдельном файле, имя которого имеет расширение htm или html.
Гиперссылка — это некоторое ключевое слово или объект в документе, с которым связан указатель для перехода на другую страницу в паутине. Обычно изображение гиперссылки на странице каким-то образом выделяется, например цветом или подчеркиванием. При подведении к гиперссылке указателя мыши он принимает вид руки с указывающим пальцем. Если при этом щелкнуть левой кнопкой мыши, то произойдет переход по указателю к связанному документу. Текст, в котором используются гиперссылки, называется гипертекстом. Гиперссылки могут быть связаны не только с текстом, но и с другими видами объектов: рисунок, фото, видео, звукозапись, телеканал и др.
- НТТР (HyperText Transfer Protocol, протокол передачи гипертекста);
- адрес URL (Universal Resource Locator, универсальный указатель ресурса);
- язык HTML (HyperText Markup Language, язык разметки гипертекста).
НТТР (HyperText Transfer Protocol) — протокол передачи гипертекста. Используется службой WWW. Браузер — клиент-программа WWW посылает запрос wеb-серверу, хранящему файл с необходимым документом. В ответ на запрос сервер высылает клиенту требуемый файл или сообщение об ошибке, если файл недоступен. Протокол НТТР регулирует данный вид взаимодействия между клиентом и сервером.
URL-aдpec. Уже рассказывалось о системе адресации в компьютерном пространстве Сети. Это IP-адреса, доменные адреса.’ В пространстве информационных ресурсов Интернета используется своя система адресации. Она называется URL (Uniformed Resource Locator) — универсальный указатель ресурса. Каждая wеb-страница или файл имеют свой уникальный URL-адpec, который состоит из трех частей: имя используемого для доступа протокола; имя сервера, на котором хранится ресурс; полное имя файла (путь+имя) на сервере. Например, URL-адрес главной страницы wеb-сайта газеты «Первое сентября» выглядит так:
Префикс «www» образовался больше 20 лет назад и обозначал то, что на соответствующем домене работает именно wеb-сервер, а не какой-либо иной сервис. Но теперь, когда WWW стал доминирующим сервисом, смысл в его указании почти пропал.
Следует заметить, что имя составлено по правилам операционной системы Unix, под управлением которой работают серверы Интернета. В отличие от Windows вместо символа «\» (обратный слеш) здесь используется символ «/» (слеш). Кроме того, строчные и прописные буквы не являются взаимозаменяемыми.
Web-сайт (другое название — web-узел) — это совокупность взаимосвязанных страниц, принадлежащих какому-то одному лицу или организации. Wеb-сайт организуется на wеb-сервере провайдера сетевых услуг. Всякий сайт имеет главную страницу, являющуюся своеобразным титульным листом сайта. Как правило, главная страница представляет владельца сайта и содержит гиперссылки на разные его разделы. Пример главной страницы wеb-узла издательства «БИНОМ. Лаборатория знаний» приведен на рис. 2.6.
Рис. 2.6. Фрагмент главной страницы сайта издательства БИНОМ
HTML — стандартный язык описания wеb-страниц. Теги (метки) языка HTML интерпретируются браузером, который на их основе строит в памяти компьютера объектную модель документа, а затем выводит эти объекты на экран. В результате пользователь видит отображение wеb-страницы в окне браузера. Язык HTML является основой любого гипертекстового документа, даже если он был создан в одном из конструкторов сайтов или визуальном редакторе.
Wеb-браузер — программа-клиент WWW. Слово browser можно перевести как «обозреватель». Наиболее распространенными программами этого типа являются Netscape Navigator, Internet Explorer, Opera, Google Chrome.
Средства поиска информации в WWW
Как уже говорилось выше, WWW — это система web-страниц, связанных между собой гиперссылками. Однако эти связи не имеют регулярности, как, например, в иерархической структуре данных. В этом смысле можно говорить о том, что система wеb-страниц не структурирована.
Единственной координатой web-документа является его URL-aдpec. Однако URL-aдpec никак не связан с содержанием документа. Но поиск данных осуществляется именно по содержанию. Как же в такой ситуации можно выполнять поиск нужной информации в паутине?
В поиске информации в WWW пользователю помогает поисковая служба Интернета — услуга поисковых серверов. Существуют две разновидности поисковых серверов: поисковые каталоги и поисковые указатели.
Поисковые каталоги. Если вам приходилось пользоваться услугами больших библиотек, то вы знаете, что такое библиотечный каталог. Существуют алфавитные и предметные каталоги. В алфавитных каталогах карточки с библиографическими данными книг разложены в алфавитном порядке фамилий авторов. В предметных каталогах карточки систематизированы по содержанию книг.
Систематизация в предметном каталоге производится по иерархическому принципу. На первом уровне иерархии весь книжный фонд делится на крупные разделы: художественная литература, учебная литература, общественно-политическая литература, научно-техническя литература и т. п. Каждый из этих разделов делится на подразделы; например, учебная литература делится на разделы высшего, среднего, дошкольного образования. Книги для среднего образования могут делиться по предметам, которые, в свою очередь, делятся по классам. Чтобы подобрать литературу по нужной теме, читатель должен понимать принцип организации каталога.
Поисковые каталоги WWW организованы по аналогичному иерархическому принципу. Только в них систематизируется информация не о книгах, а о документах, хранящихся в World Wide Web. На главной странице поискового каталога располагается список основных тематических разделов (рубрик). Например: финансы и экономика, государство и право, наука и образование, компьютеры, политика и т. д. Каждое имя в этом списке является внутренней гиперссылкой поискового каталога. Щелчок мышью по гиперссылке вызывает на экран список заголовков следующего подраздела и т. д. Очевидно, такая система подобна дереву файловой системы. Перемещаясь по дереву внутренних гиперссылок каталога, пользователь в конечном итоге получает список внешних ссылок на искомые wеb-документы.
Поисковые каталоги заполняются вручную специалистами, обслуживающими данную службу. При ручном способе отбора невозможно получить в каталоге исчерпывающую информацию о ресурсах Сети, и в этом состоит основной недостаток каталогов. Однако такой способ классификации исключает ссылки на случайные документы, не имеющие отношения к указанной теме. Таким образом, поисковые каталоги при относительно небольшом охвате ресурсов Сети обеспечивают хорошее качество подборки документов.
Поисковые указатели. Другое название этого вида поисковой службы — поисковые машины. Очень часто в учебной и научной литературе в конце книги присутствуют предметные указатели — это перечень основных терминов с указанием страниц, на которых они встречаются. Например, в учебнике по информатике вы ищете в таком списке слово «процессор», напротив которого указаны номера страниц. Затем на этих страницах читаете всё, что написано о процессоре.
Принцип работы поисковых указателей заключается в создании и использовании индексных списков — аналогов книжных предметных указателей.
Задачи поисковых машин состоят в формировании индексных списков, охватывающих как можно большее число документов паутины, а также в ответах на запросы клиентов. Ясно, что таким способом проиндексировать вручную все документы WWW невозможно. Их число давно перевалило за миллиард. Поэтому поисковые машины строят индексные списки автоматически.
Основной составляющей поисковых машин являются программы просмотра wеb-документов, которые называют по-разному: роботами, червяками, пауками и пр. Наверное, наиболее подходящим названием является «пауки», если уж сеть WWW называть паутиной! Непрерывно, днем и ночью, они сканируют всё информационное пространство WWW, просматривая все документы, определяя в них ключевые слова и записывая в свою базу индексов данное слово с указателем на документ, в котором оно присутствует. Этот процесс не прерывается, поскольку содержание паутины всё время меняется и дополняется. Даже в уже просмотренные документы авторы могут внести изменения или вообще удалить их. Поисковая машина всё время должна поддерживать информацию в актуальном состоянии.
Эффективность работы поисковой машины зависит от используемых алгоритмов формирования базы указателей. Эти алгоритмы представляют «know how», т. е. объекты интеллектуальной собственности авторов, и обычно держатся в секрете. Число указателей к некоторым ключевым словам составляет многие тысячи. Чем лучше алгоритм, тем меньше в индексный список попадает «мусора» — случайных документов, не имеющих отношения к теме поиска.
В отборе наиболее важных документов пользователю помогает рейтинговый принцип, используемый некоторыми поисковыми указателями. На запрос пользователя по ключевому слову система выдает список ссылок на документы, расположенные по убыванию рейтинга. Pейтинг определяется по числу обращений к документу, которые были сделаны ранее. Самые популярные документы попадают в начало списка.
Число поисковых указателей превышает число поисковых каталогов. Популярными в Pоссии указателями являются:
Поисковая служба Google работает как в международном, так и в российском секторе Интернета и является самой популярной.
Система основных понятий
Вопросы и задания
- Какое смысловое различие подразумевается в использовании терминов «сеть» и «паутина»?
- Что является наименьшей адресуемой единицей информации в WWW?
- По какому признаку можно отличить адрес wеb-сервера от других адресов в Сети?
- Сопоставьте структуру полного имени файла (адреса файла) на автономном компьютере и URL-адреса в сети. Отметьте сходство и различие.
- Представьте себе, что вы проектируете сайт своей школы. Какую информацию вы бы поместили на главной странице?
- Обоснуйте необходимость существования поисковых служб в Интернете.
- В чем различие между поисковыми каталогами и поисковыми указателями?
- Какую работу выполняют роботы (пауки) поисковых машин?
- Какими поисковыми службами вы чаще всего пользуетесь?