WEB SUPERFICIAL
La Web Superficial comprende todos aquellos sitios cuya información puede ser indexada por los robots de los buscadores convencionales y recuperada casi en su totalidad mediante una consulta en sus formularios de búsqueda.
Las características principales de los sitios de la Web visible son:
- Su información no está contenida en bases de datos
- Es de libre acceso
- No se requiere la realización de un proceso de registro para acceder a la información.
- Mayoritariamente está formada por páginas Web estáticas, es decir páginas o archivos con una URL fija y accesibles desde otro enlace
WEB PROFUNDA
Existen cuatro tipos de contenidos invisibles en la Web:
- La Web opaca (the opaque Web)
- La Web privada (the private Web)
- La Web propietaria (the proprietary Web)
- La Web realmente invisible (the truly invisible Web).
Web opaca: está compuesta por archivos que no están incluidos en los índices de los buscadores por alguno de los siguientes motivos:
-Extensión de la indización: a veces, por economía, no todas las páginas de un sitio son indizadas en los buscadores
-Frecuencia de la indización: los buscadores no poseen la capacidad de indizar todas las páginas existentes; a diario se agregan y modifican muchas y la indización no se realiza al ritmo que permita incluirlas a todas.
-Número máximo de resultados visibles: aunque los motores de búsqueda arrojan a veces un gran número de resultados, generalmente limitan el número de documentos que se muestran (entre 200 y 1000).
-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, pues no se encuentra indizada.
Web privada: consiste en las páginas Web que podrían estar indizadas en los buscadores pero son documentos excluidos deliberadamente por su falta de utilidad. Ya que son los dueños de la información que contienen, los que deciden que no se encuentre disponible
- Pueden están protegidas por contraseñas.
- Contener un archivo “robots.txt” para evitar ser indizadas.
- Contiener un campo “noindex” para evitar que el buscador pueda indizar la parte correspondiente al cuerpo de la página.
Web propietaria: incluye aquellas páginas en las que es necesario registrarse para tener acceso al contenido, ya sea de forma gratuita o arancelada.
Web realmente invisible: se compone de páginas que no pueden ser indizadas 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.
Ejemplos de recursos de buscadores para Web Profunda:
- The WWW Virtual Library (http://vlib.org/)
- Academia.edu (https://www.academia.edu)
- Reefseek.com (http://www.refseek.com/)
- Jurn (http://www.jurn.org)
- Microsoft Academic Search (http://academic.research.microsoft.com/)
- TechXtra (http://techxtra.tradepub.com/)
- Ciencia (http://ciencia.science.gov/)
