WEB SUPERFICIAL Y WEB PROFUNDA

Los buscadores tradicionales, sólo acceden a una pequeñísima parte de la información que está almacenada en la red, para encontrar información no sólo es necesario contar con unos buenos buscadores, sino también conocer herramientas avanzadas de búsqueda

La información sería como un iceberg, del que solo vemos una pequeña parte.


Podemos distinguir entre:

• 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
• La 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. nsulta en sus formularios de búsqueda.

A su vez la Web invisible puede subdividirse, Sherman y Price identifican cuatro tipos de contenidos invisibles en la Web:

• Web opaca (the opaque Web), 
• Web privada (the private Web), 
• Web propietaria (the proprietary Web) 
• Web realmente invisible (the truly invisible Web)

 Web opaca 

Son archivos que, si bien podrían estar incluidos en los índices de los buscadores, no lo están por algún motivo:

1. Por economía, a veces, no todas las páginas de un sitio son indizadas en los buscadores. 
2. 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. 
3. 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). 
4. 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 excluidas deliberadamente por alguno de estos motivos:

1. Las páginas están protegidas por contraseñas. 
2. Contienen un archivo “robots.txt” para evitar ser indizadas. 
3. 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.

Web propietaria 

Aquellas páginas en las que es necesario registrarse para tener acceso al contenido, ya sea de forma gratuita o previo pago.

Web realmente invisible 

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. 

Recursos de búsqueda en la Web Profunda:

• The WWW Virtual Library 
• Infoplease es una Web de consulta con artículos de la prestigiosa enciclopedia Columbia. 
• Factmonster.com para los niños
• Biosearch, un motor de búsqueda sólo para biografías, o información de todo lo acontecido históricamente en un determinado día.
• DeepWebTech ofrece cinco motores de búsqueda para temas específicos. Los motores de búsqueda abarcan la ciencia, medicina y negocios. 
• 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.