Trabajo Practico Nº 3: Web Superficial y Profunda

   §  ¿Qué es la Web Superficial?

La web "superficial" o "visible" es la dominada información a la que podemos acceder cómodamente atrevas de los  buscadores convencionales ya que esta información puede ser indexada por los robots y arañas de búsqueda. Es la información a la que normalmente accedemos la mayoría de los usuarios de la red. La web superficial representa un  porcentaje muy pequeño de la información  disponible en  Internet.

Esta se caracteriza por:

·       La información, que no está contenida en una base de datos.

·       Ser de acceso libre.

·       No requerir que los usuarios se registren.

·       Ser páginas web estáticas con una URL  fija, y acceso posible desde enlaces.   

§  ¿Qué es la Web Profunda?

La web “profunda” o “invisible” es el término utilizado para describir toda la información disponible en Internet que no se recupera interrogando a los buscadores convencionales. Generalmente es información almacenada y accesible mediante bases de datos. Parte de la información es "invisible" a los robots de los buscadores convencionales, ya que los resultados se generan en la contestación a una pregunta directa mediante páginas dinámicas (ASP, PHP, etc.) es decir páginas que no tienen una URL fija y que se construyen en el mismo instante (temporales) desapareciendo una vez cerrada la consulta.

Se identifican cuatro tipos de contenidos invisibles en la Web:

·       La Web opaca está compuesta por archivos que, si bien podrían estar incluidos en los índices de los buscadores, no lo están por:

Extensión de la indexación: no todas las páginas de un sitio son indexadas en los buscadores.

Frecuencia de la indexación: los buscadores no poseen la capacidad de indexar todas las páginas existentes.

Número máximo de resultados visibles: aunque los motores de búsqueda limitan el número de documentos que se muestran.

URL desconectadas: las generaciones más recientes de buscadores, presentan los documentos por relevancia basada en el número de veces que aparecen referenciados en otros. Si un documento no tiene un link a él, desde otro documento, será imposible que la página sea encontrada.

·       La Web privada: consiste en las páginas Web que podrían estar indexadas en los buscadores pero son excluidas deliberadamente ya que:

ü  Las páginas están protegidas por contraseñas.

ü  Contienen un archivo “robots.txt” para evitar ser indexadas.

ü  Contienen un campo “noindex” para evitar que el buscador pueda indexar la parte correspondiente al cuerpo de la página.

ü  Contiene, en general, documentos excluidos deliberadamente por su falta de utilidad.

·       La Web propietaria: incluye aquellas páginas en las que es necesario registrarse para tener acceso al contenido, ya sea de forma gratuita o de pago.

·       La Web realmente invisible: se compone de páginas que no pueden ser indexadas por limitaciones técnicas de los buscadores, programas ejecutables y archivos comprimidos, páginas generadas dinámicamente, es decir, que se generan a partir de datos que introduce el usuario, información almacenada en bases de datos relacionales, que no puede ser extraída a menos que se realice una petición específica.