Para buscar bien, es imprescindible tener en cuenta, que además de los buscadores
convencionales, hay disponibles otras fuentes específicas de información.
Los buscadores tradicionales sólo ofrecen acceso a una pequeña parte de lo que existe online, lo
que se ha comenzado a llamar la Web superficial o visible. Lo que resta, la Web profunda o
invisible, es un amplio banco de información ubicado en catálogos, revistas digitales, blogs,
entradas a diccionarios y contenido de sitios que demandan un login (aunque sea gratuito) y otros
tipos de contenido que no aparecen entre los resultados de una búsqueda convencional.
La Web Superficial o visible
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.
La Web Profunda o invisible
Web 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.
Sherman y Price identifican 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) y la
Web realmente invisible (the truly invisible Web).
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.
La 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.
La Web propietaria: incluye aquellas páginas en las que es necesario registrarse para tener
acceso al contenido, ya sea de forma gratuita o arancelada.
-
La 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 dinámica-mente, 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.
Según Lluis Codina:
“Internet invisible es un nombre claramente inadecuado para referirse al
sector de sitios y de páginas web que no pueden indizar los motores de búsqueda de uso público.
Debería denominarse, en realidad, la web "no indizable", lo cual es un término mucho más
adecuado”.
