robots.txt文件的功能.doc

robots.txt文件的作用和語(yǔ)法介紹1、什么是robots.txt文件 搜索引擎有自己的搜索習(xí)慣，當(dāng)它對(duì)一個(gè)網(wǎng)站進(jìn)行搜索時(shí)，哪些目錄和文件要看，哪些不用看，它有自己的算法。我們也可以自己建立一個(gè)robots.txt文件，告訴搜索引擎的機(jī)器人哪些可以被收錄，哪些不需要收錄。這樣可以節(jié)約自己網(wǎng)站的資源，提高被搜索引擎收錄的效率。、robots.txt放置位置 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相關(guān)語(yǔ)法1)User-agent: 適用下列規(guī)則的漫游器(搜索引擎)該項(xiàng)的值用于描述搜索引擎robot的名字。在robots.txt文件中，如果有多條User-agent記錄，就說(shuō)明有多個(gè)robot會(huì)受到robots.txt的限制，對(duì)該文件來(lái)說(shuō)，至少要有一條User-agent記錄。如果該項(xiàng)的值設(shè)為*，則對(duì)任何robot均有效。 Google爬蟲(chóng)名稱(chēng): Googlebot 百度（Baidu）爬蟲(chóng)名稱(chēng)：Baiduspider 雅虎（Yahoo）爬蟲(chóng)名稱(chēng)：Yahoo Slurp 有道（Yodao）蜘蛛名稱(chēng)：YodaoBot 搜狗（sogou）蜘蛛名稱(chēng)：sogou spider MSN的蜘蛛名稱(chēng)(微軟最新搜索引擎Bing蜘蛛名也是這個(gè))：Msnbot ）Disallow: 拒絕訪問(wèn)的目錄或文件該項(xiàng)的值用于描述不希望被訪問(wèn)的一組URL，這個(gè)值可以是一條完整的路徑，也可以是路徑的非空前綴，以Disallow項(xiàng)的值開(kāi)頭的URL不會(huì)被robot訪問(wèn)。 例如： Disallow:/seo.html 表示禁止robot訪問(wèn)文件 /seo.html ）Allow:允許訪問(wèn)的目錄或文件該項(xiàng)的值用于描述希望被訪問(wèn)的一組URL，與Disallow項(xiàng)相似，這個(gè)值可以是一條完整的路徑，也可以是路徑的前綴，以Allow項(xiàng)的值開(kāi)頭的URL是允許robot訪問(wèn)的。 例如： Allow:/hibaidu/ 表示允許robot訪問(wèn)目錄 /hibaidu/ 4)使用通配符*和$： $ 匹配行結(jié)束符。* 匹配0或多個(gè)任意字符。? 匹配1個(gè)任意字符 5)robots.txt文件里還可以直接包括在sitemap文件的鏈接。Sitemap:/sitemap.xml4、robots.txt文件用法舉例 1)、攔截所有的機(jī)器人訪問(wèn)網(wǎng)站User-agent:*Disallow:/ 2)、允許所有的機(jī)器人訪問(wèn)網(wǎng)站User-agent:*Allow:/ 3)、禁止所有機(jī)器人訪問(wèn)特定目錄：User-agent:*Disallow:/public/Disallow:/images/Disallow:/temp/Disallow:/include/ 4)、禁止特定搜索引擎蜘蛛訪問(wèn)特定目錄(這里我們以百度蜘蛛為例說(shuō)明)User-agent:BaiduspiderDisallow:/test/ 上面的robots.txt語(yǔ)法示例的意思是禁止百度蜘蛛爬行根目錄下的test目錄 5)、僅禁止Baiduspider抓取.jpg格式圖片User-agent:BaiduspiderDisallow:.jpg$ 6)、僅允許訪問(wèn)以.htm為后綴的URL。 User-agent: * Allow: .htm$ Disallow: / 7)、禁止訪問(wèn)網(wǎng)站中所有的動(dòng)態(tài)頁(yè)面 User-agent: * Disallow: /*?*5、常見(jiàn)robots.txt錯(cuò)誤 1)、把多個(gè)禁止命令放在一行中： 錯(cuò)誤地寫(xiě)法 Disallow: /css/ /cgi-bin/ /images/ 正確的寫(xiě)法 Disallow: /css/ Disallow: /cgi-bin/ Disallow: /images/ 2)、表示目錄時(shí)，忘記了斜杠/ 錯(cuò)誤的寫(xiě)法 User-agent: Baiduspider Disallow: css 正確的寫(xiě)法 User-agent: Baiduspider Disallow: /css/6、robots meta網(wǎng)頁(yè)標(biāo)簽寫(xiě)法Robots META標(biāo)簽則主要是針對(duì)一個(gè)個(gè)具體的頁(yè)面。和其他的META標(biāo)簽（如使用的語(yǔ)言、頁(yè)面的描述、關(guān)鍵詞等）一樣，Robots META標(biāo)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(nèi)容。Robots META標(biāo)簽的寫(xiě)法：Robots META標(biāo)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(duì)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(xiàng)：index、noindex、follow、nofollow，指令間以“,”分隔。INDEX 指令告訴搜索機(jī)器人抓取該頁(yè)面；FOLLOW 指令表示搜索機(jī)器人可以沿著該頁(yè)面上的鏈接繼續(xù)抓取下去；Robots Meta標(biāo)簽的缺省值是INDEX和FOLLOW，只有inktomi除外，對(duì)于它，缺省值是INDEX,NOFOLLOW。這樣，一共有四種組合：META NAME=ROBOTS CONTENT=INDEX,FOLLOWMETA NAME=ROBOTS CONTENT=NOINDEX,FOLLOWMETA NAME=ROBOTS CONTENT=INDEX,NOFOLLOWMETA 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(shù)的搜索引擎機(jī)器人都遵守robots.txt的規(guī)則，而對(duì)于Robots META標(biāo)簽，目前支持的并不多，但是正在逐漸增加，如著名搜索引擎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=googleb