Conceptos básicos de Web superficial y web profunda

1. 09/03/20
16
1
WEB SUPERFICIAL
WEB PROFUNDA
Ing. Omar Lara

2. WEB SUPERFICIAL O VISIBLE
 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
09/03/20
16
2

3. WEB SUPERFICIAL O VISIBLE
 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.
09/03/2016 3

4. 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.
09/03/20
16
4

5. WEB PROFUNDA O INVISIBLE
 Se compone de:
 Contenidos dinámicos: Páginas dinámicas que retornan
en respuesta a una búsqueda o accedidas solo por una
vía.
 Contenidos no enlazados: Páginas que no tienen
vínculos entrantes desde otras páginas.
 Contenidos de acceso limitado: Que requieren
registrarse o limitan el acceso a su página, prohibiendo
que los buscadores los incluyan en sus bases de datos.
09/03/20
16
5

6. WEB PROFUNDA O INVISIBLE
 Contenidos «scripted»: Páginas que solamente son
accesibles a través de enlaces producidos por JavaScript
y Flash, las cuales requieren un tratamiento especial.
 Contenidos no textuales: archivos multimedia, en otros
formatos o «usenet».
09/03/20
16
6

7. WEB PROFUNDA O INVISIBLE
 Sherman y Price identifican cuatro tipos de contenidos
invisibles en la Web:
1) La Web opaca (the opaque Web).
2) La Web privada (the private Web).
3) La Web propietaria (the proprietary Web).
4) La Web realmente invisible (the truly invisible Web).
09/03/20
16
7

8. WEB OPACA
 La Web opaca está compuesta por archivos que, si bien podrían estar
incluidos en los índices de los buscadores, no lo están 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.
09/03/20
16
8

9. WEB PRIVADA
 Consiste en las páginas Web que podrían estar indizadas en los buscadores
pero son excluidas deliberadamente por alguno de estos motivos:
 Las páginas están protegidas por contraseñas.
 Contienen un archivo “robots.txt” para evitar ser indizadas.
 Contienen un campo “noindex” para evitar que el buscador pueda indizar
la parte correspondiente al cuerpo de la página.
Este segmento de la Web contiene, en general, 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, por lo que difícilmente se podrán encontrar mecanismos
legítimos para franquear esa barrera.
09/03/20
16
9

10. WEB PROPIETARIA
 Incluye aquellas páginas en las que es necesario registrarse para tener
acceso al contenido, ya sea de forma gratuita o pagada. Se dice que al
menos 95% de la web profunda contiene información de acceso público y
gratuito.
09/03/20
16
10

11. 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 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.
09/03/20
16
11

12. WEB PROFUNDA
Recursos de búsqueda
 The WWW Virtual Library se considera el catálogo más
antiguo en la web y fue iniciado por Tim Berners-Lee, el
creador de la web.
09/03/20
16
12

13. WEB PROFUNDA
Recursos de búsqueda
 Infoplease es una Web de consulta con más de 57.000 artículos
de la prestigiosa enciclopedia Columbia.
 Facilita la consulta de información con opciones de búsqueda
por términos o por áreas de conocimiento.
 Es posible acceder a un buen número de enciclopedias, atlas, y
biografías.
 También tiene algunas ramificaciones interesantes como
Factmonster.com para los niños y Biosearch, un motor de
búsqueda sólo para biografías, o información de todo lo
acontecido históricamente en un determinado día.
09/03/2016
13

14. WEB PROFUNDA
Recursos de búsqueda
 DeepWebTech ofrece cinco motores de búsqueda para temas
específicos. Los motores de búsqueda abarcan la ciencia,
medicina y negocios.
 El uso de estos motores de búsqueda específicos del tema,
puede consultar las bases de datos subyacentes en la Web
profunda.
09/03/20
16
14

15. WEB PROFUNDA
Recursos de búsqueda
 TechXtra centra su información, en ingeniería,
matemáticas e informática. Es posible navegar a través
de una extensa lista de revistas gratuitas especializadas
de ingeniería, documentos técnicos, descargas y
podcasts.
09/03/20
16
15