robots.txt

帅哥

[编辑本段]
4 A+ K- _% Z3 M% l- g. l) n0 C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。

3 [# u4 s3 z1 q' j! a　　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。

　　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。
5 F( r2 y" \2 Z& p- U
! y' }9 W5 x; M　　语法：最简单的 robots.txt 文件使用两条规则：

　　• User-Agent: 适用下列规则的漫游器
7 W+ b/ D) f% l# x. H) W
　　• Disallow: 要拦截的网页
[编辑本段]
  v0 [) U5 C1 E+ @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。
0 ?/ z# y5 ^/ M
　　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。

　　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。

　　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。

　　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。

　　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。
; A6 B8 Z! m; `3 @7 w8 _2 I8 p
　　如果这样的话，会导致整个网站不能被搜索引擎收录。
  K$ ~  A/ M' t) \1 k  Y[编辑本段]
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。

# S# q7 E; ~' n5 b: @9 \1 R　　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。
* U$ p  a$ V: N2 z7 y
　　下面是VeryCMS里的robots.txt文件：

5 ?; H9 Y7 K, B- ^" ?3 v; `　　User-agent: *
! b0 m% w1 O4 C1 [3 U; u, B
( S( M- g, Y# ^2 i　　Disallow: /admin/ 后台管理文件
7 @! `4 W1 `3 r$ e+ R6 Y
　　Disallow: /require/ 程序文件
& F" Z3 J! t) x4 J9 W5 q
3 m; F2 }  O  m5 \　　Disallow: /attachment/ 附件
, x3 m# }/ g  @# j3 M3 X
3 ]3 ^$ i' V8 A6 M# j' ]　　Disallow: /images/ 图片
& G9 @0 j+ G" u/ m6 d
　　Disallow: /data/ 数据库文件

　　Disallow: /template/ 模板文件
+ g6 w- X( c: c
. Q5 o5 C: m& L) \& s! G% ~/ V　　Disallow: /css/ 样式表文件
8 g: {, @' R# K
$ q5 Q: p$ \6 C  F: l$ K3 s. ?! w　　Disallow: /lang/ 编码文件

　　Disallow: /script/ 脚本文件
) l. Z& c( w4 p# C  ?# k
5 L( `: [& y( y- R9 t, n　　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。
+ m& K0 Z1 v) m& D( ^% |
　　4. robots.txt文件里还可以直接包括在sitemap文件的链接。就像这样：

2 B: E: w) [! l: @0 `( |- m　　Sitemap: http://www.***.com/sitemap.xml

& W) k- H% E$ `) l/ 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。

% H$ a# {) P* ]9 e　　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。