航空论坛_航空翻译_民航英语翻译_飞行翻译
标题:
robots.txt
[打印本页]
作者:
帅哥
时间:
2009-8-21 21:23:01
标题:
robots.txt
[编辑本段]
' l9 H I; y! U* C/ y- L, F+ @
什么是robots.txt？ robots.txt是搜索引擎中访问网站的时候要查看的第一个文件。Robots.txt文件告诉蜘蛛程序在服务器上什么文件是可以被查看的。
; r+ n V# @% l& [% Q
$ u6 ~- l$ C& O' T: h) |! ?& `
当一个搜索蜘蛛访问一个站点时，它会首先检查该站点根目录下是否存在robots.txt，如果存在，搜索机器人就会按照该文件中的内容来确定访问的范围；如果该文件不存在，所有的搜索蜘蛛将能够访问网站上所有没有被口令保护的页面。
' S5 @1 A3 N4 s q2 g
; e5 w7 C8 ]: |. g+ N7 H) c2 v
robots.txt必须放置在一个站点的根目录下，而且文件名必须全部小写。
+ H9 k7 z( ]+ j" N |# x
- K6 h* I$ [, v& E" @/ x
语法：最简单的 robots.txt 文件使用两条规则：
) i; Z* c4 I# M% u8 d+ b8 q
6 }2 e7 \* G& `' M2 q
• User-Agent: 适用下列规则的漫游器
. b3 x# [7 r2 _9 |( s' k5 g7 b
' `* C( k3 M; [! H4 n( b
• Disallow: 要拦截的网页
\7 x5 ]1 u% ^( t
[编辑本段]
7 X4 C# p' y+ H% W4 S4 n# |7 A
robots.txt使用误区 误区一：我的网站上的所有文件都需要蜘蛛抓取，那我就没必要在添加robots.txt文件了。反正如果该文件不存在，所有的搜索蜘蛛将默认能够访问网站上所有没有被口令保护的页面。
9 E' F; ^6 U7 B" W* S3 [& K, F* W
8 ~4 f, v, K2 d. w& ?0 T0 v
每当用户试图访问某个不存在的URL时，服务器都会在日志中记录404错误（无法找到文件）。每当搜索蜘蛛来寻找并不存在的robots.txt文件时，服务器也将在日志中记录一条404错误，所以你应该做网站中添加一个robots.txt。
]6 O; A. Y0 C- p
: X/ }+ } ?3 S* g& i
误区二：在robots.txt文件中设置所有的文件都可以被搜索蜘蛛抓取，这样可以增加网站的收录率。
$ @2 e) u4 a2 |5 ?" o5 ]! e- J. S
- W3 y# O- F; ]" i& L& P7 ?
网站中的程序脚本、样式表等文件即使被蜘蛛收录，也不会增加网站的收录率，还只会浪费服务器资源。因此必须在robots.txt文件里设置不要让搜索蜘蛛索引这些文件。
: |& [2 p% Q T
" i9 C3 g; g0 ^' I
具体哪些文件需要排除， 在robots.txt使用技巧一文中有详细介绍。
) D2 p0 I/ e4 M( {
; Z) E! y$ O% y X% n
误区三：搜索蜘蛛抓取网页太浪费服务器资源，在robots.txt文件设置所有的搜索蜘蛛都不能抓取全部的网页。
; ^" G) y, S2 a: B3 i
0 C+ K( x+ v; Q2 }: g
如果这样的话，会导致整个网站不能被搜索引擎收录。
: w9 h- h5 e* S0 n* V) a
[编辑本段]
7 m# p* ]# J! j @
robots.txt使用技巧 1. 每当用户试图访问某个不存在的URL时，服务器都会在日志中记录404错误（无法找到文件）。每当搜索蜘蛛来寻找并不存在的robots.txt文件时，服务器也将在日志中记录一条404错误，所以你应该在网站中添加一个robots.txt。
2 M" H5 r# r; v4 [! g# i5 ?
, v3 V# A P) _" I% R; v9 j
2. 网站管理员必须使蜘蛛程序远离某些服务器上的目录——保证服务器性能。比如：大多数网站服务器都有程序储存在“cgi-bin”目录下，因此在robots.txt文件中加入“Disallow: /cgi-bin”是个好主意，这样能够避免将所有程序文件被蜘蛛索引，可以节省服务器资源。一般网站中不需要蜘蛛抓取的文件有：后台管理文件、程序脚本、附件、数据库文件、编码文件、样式表文件、模板文件、导航图片和背景图片等等。
8 @9 L7 e5 v8 E8 h, T. z% c
* H9 m" e6 t: h) `4 |8 q/ }* N) W
下面是VeryCMS里的robots.txt文件：
/ j) I" `- C- K$ B# l$ B: a
" U7 H- P$ L( [# L3 c( {
User-agent: *
. Y& U" g4 ]4 t3 O9 H( z
% j" R& k0 @* b- O& q4 t. |
Disallow: /admin/ 后台管理文件
/ F! m' @5 {$ x; _& m
' _1 `( k0 o; z- R1 d8 O. @/ V
Disallow: /require/ 程序文件
/ y+ w: ^; n* j( k4 z% Q* R1 A9 x# Z
! @; a3 F4 \. z$ W V. Z: J
Disallow: /attachment/ 附件
' j# b% X4 c8 D6 u
' h! S5 A2 _/ ~% p1 u- z& F: S
Disallow: /images/ 图片
' U2 B" |7 \+ u8 A N
- o% \& c, w b7 M
Disallow: /data/ 数据库文件
6 J# L5 y+ M8 k
Q6 p- C) J% H
Disallow: /template/ 模板文件
4 G+ x$ R1 c" T( J& R: f6 b
. g: h6 n, ~) L: m& r( P; u0 J
Disallow: /css/ 样式表文件
0 H+ J; D+ G4 h% R0 k! e! q4 o
4 ~7 I9 i4 N3 u2 M S
Disallow: /lang/ 编码文件
& h5 G9 @) [4 z5 o2 T( y$ ]8 c$ Z! t
. h) X8 K( k; v/ o% M
Disallow: /script/ 脚本文件
( A3 A) b2 x+ y7 H/ d9 F) z+ {
# V# e" ~! C2 F0 u3 V0 f4 s6 I2 @
3. 如果你的网站是动态网页，并且你为这些动态网页创建了静态副本，以供搜索蜘蛛更容易抓取。那么你需要在robots.txt文件里设置避免动态网页被蜘蛛索引，以保证这些网页不会被视为含重复内容。
6 M" t0 w& U3 U/ o! F
\& a7 q% N7 h% Z5 [2 \6 J
4. robots.txt文件里还可以直接包括在sitemap文件的链接。就像这样：
$ z3 e2 ?2 @: s. T
: m/ y0 v7 k, T; G3 Y
Sitemap: http://www.***.com/sitemap.xml
v! z; \% V6 Z6 v% c
0 H: g4 p+ Y. {8 M3 Z9 e
目前对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，显然不在这个圈子内。这样做的好处就是，站长不用到每个搜索引擎的站长工具或者相似的站长部分，去提交自己的sitemap文件，搜索引擎的蜘蛛自己就会抓取robots.txt文件，读取其中的sitemap路径，接着抓取其中相链接的网页。
! {5 K! { P( {$ k" g! N, ~) B
* v( k# M. i4 s3 L
5. 合理使用robots.txt文件还能避免访问时出错。比如，不能让搜索者直接进入购物车页面。因为没有理由使购物车被收录，所以你可以在robots.txt文件里设置来阻止搜索者直接进入购物车页面。
欢迎光临 航空论坛_航空翻译_民航英语翻译_飞行翻译 (http://bbs.aero.cn/)
Powered by Discuz! X2