robots.txt

帅哥

[编辑本段]
4 S7 |% E) _) s  t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。
! y: v; r8 D6 e+ e3 `3 M/ O, t
- Y/ E5 z* z5 a% W: N! \: o) 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。

4 D, z! M$ o4 k: T$ h) J4 _　　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。
; ]/ B0 X2 V+ c
　　语法：最简单的 robots.txt 文件使用两条规则：
% a7 E1 W5 C! j9 n3 o. J0 k
　　• User-Agent: 适用下列规则的漫游器
0 L" F2 V. H3 ^4 n0 j2 l2 N7 f
1 @% M3 o/ V; I+ [/ y　　• Disallow: 要拦截的网页
% ~# ?6 x" v3 d3 m, Q0 e+ o1 B$ o[编辑本段]
. L0 `  |% V' H+ i) ~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。
! f0 ~% k% K2 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。
, y# I1 b+ V8 A8 Y1 Z& ~5 p' O; K
- u6 x7 X$ W: W" s- M# g　　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。

$ S  t- P$ b$ n( v0 ]/ C5 K! T　　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。

　　如果这样的话，会导致整个网站不能被搜索引擎收录。
[编辑本段]
/ k$ T# _0 X. u* Arobots.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。

3 ~$ Y3 a9 C: {; @/ I, N1 p　　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。

　　下面是VeryCMS里的robots.txt文件：
, B+ U5 r8 A0 k2 h$ [
. l. T5 E6 r' U3 s　　User-agent: *

9 |, ?/ E5 a9 \! ~　　Disallow: /admin/ 后台管理文件

: H( q+ z( @4 W  ~　　Disallow: /require/ 程序文件
) {5 I1 a1 m, m2 d8 J4 s
: m! `* Q& ?, G3 i　　Disallow: /attachment/ 附件
5 O) I; J, k* I, y0 @
　　Disallow: /images/ 图片

　　Disallow: /data/ 数据库文件

8 m- K: S- i2 I　　Disallow: /template/ 模板文件

6 g! y( j$ p* U' Q4 [: {$ C8 h　　Disallow: /css/ 样式表文件
$ w! @1 v' o4 f* _: W& H
" ]& Z3 `: g/ h. _8 E3 p5 a　　Disallow: /lang/ 编码文件
. D7 C( Q4 o+ f3 Z* u$ a' f1 I7 K
　　Disallow: /script/ 脚本文件
  k. W# H2 q; n4 \( u# I* }1 ~
0 r: F6 D! V# P# ~9 a' n  T, Y　　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。
' Z# W) h5 z7 F. p% V
　　4. robots.txt文件里还可以直接包括在sitemap文件的链接。就像这样：
5 X/ O6 {! l- J0 z5 p, j: f
  A0 M$ d$ J. T　　Sitemap: http://www.***.com/sitemap.xml

　　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。
; _; L# [8 _4 F7 k9 ]! t5 t1 O
　　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。