robots.txt

帅哥

[编辑本段]
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。
9 U# L( _* o" T+ {, b# ?- K- }
　　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。

" i$ n5 M9 ^* W　　语法：最简单的 robots.txt 文件使用两条规则：
1 a+ w3 Q; p, ?# [9 S7 Y
! a, f4 j/ S9 ]$ k- P) Y! i　　• User-Agent: 适用下列规则的漫游器

　　• Disallow: 要拦截的网页
- y& S2 d1 j5 a2 _[编辑本段]
$ `( Y# e4 _5 \0 [( Lrobots.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。
/ x% A0 e; N, K. i
　　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。

/ Z6 `, A! j9 J; e3 I　　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。
3 b. g0 N& p8 k" |+ I' P3 p9 ?
7 z; a* @+ ]1 ]" p　　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。
7 q. q( l8 `7 s# e" N5 v$ E
　　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。

4 \7 w& M7 z, \4 X　　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]
4 N3 R. x% v- Z! |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. 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。

# E) G9 v1 c- _0 P" Y　　下面是VeryCMS里的robots.txt文件：

% ^/ w% ^8 H: T- k5 }, q　　User-agent: *

　　Disallow: /admin/ 后台管理文件

& t" Z6 Y$ f9 u# [　　Disallow: /require/ 程序文件
6 B$ k( ]# t) t8 G* A( [" Q
" ?. X  Y! Z/ O　　Disallow: /attachment/ 附件

0 O/ l. V' X+ W/ j% A3 G, N　　Disallow: /images/ 图片
+ U( W- K! Z: J3 B+ r& j
7 a' g* Y1 L0 C9 J& D7 t9 s　　Disallow: /data/ 数据库文件

　　Disallow: /template/ 模板文件

8 a5 ?9 G: f8 R5 i( R  u& p# S  u　　Disallow: /css/ 样式表文件

　　Disallow: /lang/ 编码文件
; l% l- B# e+ {" X+ B
　　Disallow: /script/ 脚本文件
. _, d0 m& E8 z  |# f1 x1 p
　　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。
1 F- v+ }3 |3 e/ `( {1 r3 Z
　　4. robots.txt文件里还可以直接包括在sitemap文件的链接。就像这样：
4 M" M- d7 U$ P
$ J( H; Z+ s8 {, w　　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。

; H+ f% H3 y0 o2 A　　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。