如何使用robots.txt及其詳解?在國內，網(wǎng)站管理者似乎對robots.txt并沒(méi)有引起多大重視，應一些朋友之請求，今天想通過(guò)這篇文章來(lái)簡(jiǎn)單談一下robots.txt的寫(xiě)作。

?robots.txt基本介紹?robots.txt是一個(gè)純文本文件，在這個(gè)文件中網(wǎng)站管理者可以聲明該網(wǎng)站中不想被robots訪(fǎng)問(wèn)的部分，或者指定搜索引擎只收錄指定的內容。?當一個(gè)搜索機器人（有的叫搜索蜘蛛）訪(fǎng)問(wèn)一個(gè)站點(diǎn)時(shí)，它會(huì )首先檢查該站點(diǎn)根目錄下是否存在robots.txt，如果存在，搜索機器人就會(huì )按照該文件中的內容來(lái)確定訪(fǎng)問(wèn)的范圍；如果該文件不存在，那么搜索機器人就沿著(zhù)鏈接抓取。?另外，robots.txt必須放置在一個(gè)站點(diǎn)的根目錄下，而且文件名必須全部小寫(xiě)。?robots.txt寫(xiě)作語(yǔ)法?首先，我們來(lái)看一個(gè)robots.txt范例：http://www.seovip.cn/robots.txt?訪(fǎng)問(wèn)以上具體地址，我們可以看到robots.txt的具體內容如下：?# Robots.txt file from http://www.seovip.cn# All robots will spider the domain?User-agent: *Disallow:?以上文本表達的意思是允許所有的搜索機器人訪(fǎng)問(wèn)www.seovip.cn站點(diǎn)下的所有文件。?具體語(yǔ)法分析：其中#后面文字為說(shuō)明信息；User-agent:后面為搜索機器人的名稱(chēng)，后面如果是*，則泛指所有的搜索機器人；Disallow:后面為不允許訪(fǎng)問(wèn)的文件目錄。?下面，我將列舉一些robots.txt的具體用法：?允許所有的robot訪(fǎng)問(wèn)?User-agent: *Disallow:?或者也可以建一個(gè)空文件 "/robots.txt" file?禁止所有搜索引擎訪(fǎng)問(wèn)網(wǎng)站的任何部分?User-agent: *Disallow: /?禁止所有搜索引擎訪(fǎng)問(wèn)網(wǎng)站的幾個(gè)部分（下例中的01、02、03目錄）?User-agent: *Disallow: /01/Disallow: /02/Disallow: /03/?禁止某個(gè)搜索引擎的訪(fǎng)問(wèn)（下例中的BadBot）?User-agent: BadBotDisallow: /?只允許某個(gè)搜索引擎的訪(fǎng)問(wèn)（下例中的Crawler）?User-agent: CrawlerDisallow:?User-agent: *Disallow: /?另外，我覺(jué)得有必要進(jìn)行拓展說(shuō)明，對robots meta進(jìn)行一些介紹：?Robots META標簽則主要是針對一個(gè)個(gè)具體的頁(yè)面。和其他的META標簽（如使用的語(yǔ)言、頁(yè)面的描述、關(guān)鍵詞等）一樣，Robots META標簽也是放在頁(yè)面的＜head＞＜/head＞中，專(zhuān)門(mén)用來(lái)告訴搜索引擎ROBOTS如何抓取該頁(yè)的內容。?Robots META標簽的寫(xiě)法：?Robots META標簽中沒(méi)有大小寫(xiě)之分，name=”Robots”表示所有的搜索引擎，可以針對某個(gè)具體搜索引擎寫(xiě)為name=”BaiduSpider”。 content部分有四個(gè)指令選項：index、noindex、follow、nofollow，指令間以“,”分隔。?INDEX 指令告訴搜索機器人抓取該頁(yè)面；?FOLLOW 指令表示搜索機器人可以沿著(zhù)該頁(yè)面上的鏈接繼續抓取下去；?Robots Meta標簽的缺省值是INDEX和FOLLOW，只有inktomi除外，對于它，缺省值是INDEX,NOFOLLOW。?這樣，一共有四種組合：?＜META NAME="ROBOTS" CONTENT="INDEX,FOLLOW"＞＜META NAME="ROBOTS" CONTENT="NOINDEX,FOLLOW"＞＜META NAME="ROBOTS" CONTENT="INDEX,NOFOLLOW"＞＜META NAME="ROBOTS" CONTENT="NOINDEX,NOFOLLOW"＞?其中?＜META NAME="ROBOTS" CONTENT="INDEX,FOLLOW"＞可以寫(xiě)成＜META NAME="ROBOTS" CONTENT="ALL"＞；?＜META NAME="ROBOTS" CONTENT="NOINDEX,NOFOLLOW"＞可以寫(xiě)成＜META NAME="ROBOTS" CONTENT="NONE"＞?目前看來(lái)，絕大多數的搜索引擎機器人都遵守robots.txt的規則，而對于Robots META標簽，目前支持的并不多，但是正在逐漸增加，如著(zhù)名搜索引擎GOOGLE就完全支持，而且GOOGLE還增加了一個(gè)指令“archive”，可以限制GOOGLE是否保留網(wǎng)頁(yè)快照。例如：?＜META NAME="googlebot" CONTENT="index,follow,noarchive"＞?表示抓取該站點(diǎn)中頁(yè)面并沿著(zhù)頁(yè)面中鏈接抓取，但是不在GOOLGE上保留該頁(yè)面的網(wǎng)頁(yè)快照。?如何使用robots.txt?robots.txt 文件對抓取網(wǎng)絡(luò )的搜索引擎漫游器（稱(chēng)為漫游器）進(jìn)行限制。這些漫游器是自動(dòng)的，在它們訪(fǎng)問(wèn)網(wǎng)頁(yè)前會(huì )查看是否存在限制其訪(fǎng)問(wèn)特定網(wǎng)頁(yè)的 robots.txt 文件。如果你想保護網(wǎng)站上的某些內容不被搜索引擎收入的話(huà)，robots.txt是一個(gè)簡(jiǎn)單有效的工具。這里簡(jiǎn)單介紹一下怎么使用它。?如何放置Robots.txt文件?robots.txt自身是一個(gè)文本文件。它必須位于域名的根目錄中并 被命名為"robots.txt"。位于子目錄中的 robots.txt 文件無(wú)效，因為漫游器只在域名的根目錄中查找此文件。例如，http://www.example.com/robots.txt 是有效位置，http://www.example.com/mysite/robots.txt 則不是。?這里舉一個(gè)robots.txt的例子:?User-agent: *?Disallow: /cgi-bin/?Disallow: /tmp/?Disallow: /~name/使用 robots.txt 文件攔截或刪除整個(gè)網(wǎng)站??要從搜索引擎中刪除您的網(wǎng)站，并防止所有漫游器在以后抓取您的網(wǎng)站，請將以下 robots.txt 文件放入您服務(wù)器的根目錄：?User-agent: *?Disallow: /?要只從 Google 中刪除您的網(wǎng)站，并只是防止 Googlebot 將來(lái)抓取您的網(wǎng)站，請將以下 robots.txt 文件放入您服務(wù)器的根目錄：User-agent: Googlebot?Disallow: /?每個(gè)端口都應有自己的 robots.txt 文件。尤其是您通過(guò) http 和 https 托管內容的時(shí)候，這些協(xié)議都需要有各自的 robots.txt 文件。例如，要讓 Googlebot 只為所有的 http 網(wǎng)頁(yè)而不為 https 網(wǎng)頁(yè)編制索引，應使用下面的 robots.txt 文件。對于 http 協(xié)議 (http://yourserver.com/robots.txt):?User-agent: *?Allow: /?對于 https 協(xié)議 (https://yourserver.com/robots.txt):?User-agent: *?Disallow: /?允許所有的漫游器訪(fǎng)問(wèn)您的網(wǎng)頁(yè)User-agent: *?Disallow:?(另一種方法: 建立一個(gè)空的 "/robots.txt" 文件, 或者不使用robot.txt。)?使用 robots.txt 文件攔截或刪除網(wǎng)頁(yè)?您可以使用 robots.txt 文件來(lái)阻止 Googlebot 抓取您網(wǎng)站上的網(wǎng)頁(yè)。 例如，如果您正在手動(dòng)創(chuàng )建 robots.txt 文件以阻止 Googlebot 抓取某一特定目錄下（例如，private）的所有網(wǎng)頁(yè)，可使用以下 robots.txt 條目：??User-agent: Googlebot?Disallow: /private要阻止 Googlebot 抓取特定文件類(lèi)型（例如，.gif）的所有文件，可使用以下 robots.txt 條目：User-agent: Googlebot?Disallow: /*.gif$要阻止 Googlebot 抓取所有包含 ? 的網(wǎng)址（具體地說(shuō)，這種網(wǎng)址以您的域名開(kāi)頭，后接任意字符串，然后是問(wèn)號，而后又是任意字符串），可使用以下條目：User-agent: Googlebot?Disallow: /*??盡管我們不抓取被 robots.txt 攔截的網(wǎng)頁(yè)內容或為其編制索引，但如果我們在網(wǎng)絡(luò )上的其他網(wǎng)頁(yè)中發(fā)現這些內容，我們仍然會(huì )抓取其網(wǎng)址并編制索引。因此，網(wǎng)頁(yè)網(wǎng)址及其他公開(kāi)的信息，例如指 向該網(wǎng)站的鏈接中的定位文字，有可能會(huì )出現在 Google 搜索結果中。不過(guò)，您網(wǎng)頁(yè)上的內容不會(huì )被抓取、編制索引和顯示。?作為網(wǎng)站管理員工具的一部分，Google提供了robots.txt分析工具。它可以按照 Googlebot 讀取 robots.txt 文件的相同方式讀取該文件，并且可為 Google user-agents（如 Googlebot）提供結果。我們強烈建議您使用它。 在創(chuàng )建一個(gè)robots.txt文件之前，有必要考慮一下哪些內容可以被用戶(hù)搜得到，而哪些則不應該被搜得到。 這樣的話(huà)，通過(guò)合理地使用robots.txt, 搜索引擎在把用戶(hù)帶到您網(wǎng)站的同時(shí)，又能保證隱私信息不被收錄。??? ? ? ?誤區一：我的網(wǎng)站上的所有文件都需要蜘蛛抓取，那我就沒(méi)必要在添加robots.txt文件了。反正如果該文件不存在，所有的搜索蜘蛛將默認能夠訪(fǎng)問(wèn)網(wǎng)站上所有沒(méi)有被口令保護的頁(yè)面。?　　每當用戶(hù)試圖訪(fǎng)問(wèn)某個(gè)不存在的URL時(shí)，服務(wù)器都會(huì )在日志中記錄404錯誤（無(wú)法找到文件）。每當搜索蜘蛛來(lái)尋找并不存在的robots.txt文件時(shí)，服務(wù)器也將在日志中記錄一條404錯誤，所以你應該做網(wǎng)站中添加一個(gè)robots.txt?！　≌`區二：在robots.txt文件中設置所有的文件都可以被搜索蜘蛛抓取，這樣可以增加網(wǎng)站的收錄率?！　【W(wǎng)站中的程序腳本、樣式表等文件即使被蜘蛛收錄，也不會(huì )增加網(wǎng)站的收錄率，還只會(huì )浪費服務(wù)器資源。因此必須在robots.txt文件里設置不要讓搜索蜘蛛索引這些文件?！　【唧w哪些文件需要排除， 在robots.txt使用技巧一文中有詳細介紹?！　≌`區三：搜索蜘蛛抓取網(wǎng)頁(yè)太浪費服務(wù)器資源，在robots.txt文件設置所有的搜索蜘蛛都不能抓取全部的網(wǎng)頁(yè)?！　∪绻@樣的話(huà)，會(huì )導致整個(gè)網(wǎng)站不能被搜索引擎收錄。robots.txt使用技巧? ?1. 每當用戶(hù)試圖訪(fǎng)問(wèn)某個(gè)不存在的URL時(shí)，服務(wù)器都會(huì )在日志中記錄404錯誤（無(wú)法找到文件）。每當搜索蜘蛛來(lái)尋找并不存在的robots.txt文件時(shí)，服務(wù)器也將在日志中記錄一條404錯誤，所以你應該在網(wǎng)站中添加一個(gè)robots.txt。?　　2. 網(wǎng)站管理員必須使蜘蛛程序遠離某些服務(wù)器上的目錄——保證服務(wù)器性能。比如：大多數網(wǎng)站服務(wù)器都有程序儲存在“cgi-bin”目錄下，因此在robots.txt文件中加入“Disallow: /cgi-bin”是個(gè)好主意，這樣能夠避免將所有程序文件被蜘蛛索引，可以節省服務(wù)器資源。一般網(wǎng)站中不需要蜘蛛抓取的文件有：后臺管理文件、程序腳本、附件、數據庫文件、編碼文件、樣式表文件、模板文件、導航圖片和背景圖片等等?！　∠旅媸荲eryCMS里的robots.txt文件：　　User-agent: *　　Disallow: /admin/ 后臺管理文件　　Disallow: /require/ 程序文件　　Disallow: /attachment/ 附件　　Disallow: /images/ 圖片　　Disallow: /data/ 數據庫文件　　Disallow: /template/ 模板文件　　Disallow: /css/ 樣式表文件　　Disallow: /lang/ 編碼文件　　Disallow: /script/ 腳本文件　　3. 如果你的網(wǎng)站是動(dòng)態(tài)網(wǎng)頁(yè)，并且你為這些動(dòng)態(tài)網(wǎng)頁(yè)創(chuàng )建了靜態(tài)副本，以供搜索蜘蛛更容易抓取。那么你需要在robots.txt文件里設置避免動(dòng)態(tài)網(wǎng)頁(yè)被蜘蛛索引，以保證這些網(wǎng)頁(yè)不會(huì )被視為含重復內容?！　?. robots.txt文件里還可以直接包括在sitemap文件的鏈接。就像這樣：　　Sitemap: sitemap.xml　　目前對此表示支持的搜索引擎公司有Google, Yahoo, Ask and MSN。而中文搜索引擎公司，顯然不在這個(gè)圈子內。這樣做的好處就是，站長(cháng)不用到每個(gè)搜索引擎的站長(cháng)工具或者相似的站長(cháng)部分，去提交自己的sitemap文件，搜索引擎的蜘蛛自己就會(huì )抓取robots.txt文件，讀取其中的sitemap路徑，接著(zhù)抓取其中相鏈接的網(wǎng)頁(yè)?！　?. 合理使用robots.txt文件還能避免訪(fǎng)問(wèn)時(shí)出錯。比如，不能讓搜索者直接進(jìn)入購物車(chē)頁(yè)面。因為沒(méi)有理由使購物車(chē)被收錄，所以你可以在robots.txt文件里設置來(lái)阻止搜索者直接進(jìn)入購物車(chē)頁(yè)面。

robots.txt協(xié)議如何使用及寫(xiě)作語(yǔ)法由東莞網(wǎng)站設計編輯 http://www.futanlvdanban.cn/wuh/news/9315.html如需轉載請注明出處

東莞網(wǎng)站建設 東莞做網(wǎng)站 東莞網(wǎng)站制作 東莞網(wǎng)頁(yè)制作 東莞網(wǎng)站改版 東莞小程序開(kāi)發(fā) 東莞建網(wǎng)站 東莞響應式網(wǎng)站 免費網(wǎng)站建設 營(yíng)銷(xiāo)型網(wǎng)站建設 企業(yè)網(wǎng)站建設 中山網(wǎng)站建設 外貿網(wǎng)站建設 汕頭網(wǎng)站建設 手機網(wǎng)站建設 商城網(wǎng)站建設 珠海網(wǎng)站建設 深圳網(wǎng)站建設 網(wǎng)站托管 SEO外包 關(guān)鍵詞優(yōu)化