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。

  O, T/ D6 C( Q2 u/ D! 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。

% H1 T) r; J2 U　　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。
" L& k/ x% [2 t
# u0 @: o4 p, I) P6 j, T% m5 t　　语法：最简单的 robots.txt 文件使用两条规则：
/ t9 n" V* ~, A/ Z
- n; L7 S9 D; T  B' d; B　　• User-Agent: 适用下列规则的漫游器
* d8 }5 Y0 j1 A! M
　　• Disallow: 要拦截的网页
- U6 H; d$ b: F[编辑本段]
- B1 O  \, V% `( s% 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。

- ]# F8 x* E/ a" {) Q3 N$ q  W- 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。

" r  c6 U5 m( M　　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。
7 Z% `& E7 R+ U6 k! f
　　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。
' i. y$ G; a: j% 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]
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。
! O0 w/ j0 z8 ^' \0 @
( e6 B. f2 Z  U　　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：
  q$ J/ x+ a+ a) f8 M  R2 W1 m/ p7 ~% T
　　User-agent: *

　　Disallow: /admin/ 后台管理文件
8 C5 W9 t4 t" N& y% Q' k+ A  x
4 l$ x. u  ?/ D" Y" ~+ t9 w　　Disallow: /require/ 程序文件

　　Disallow: /attachment/ 附件
" t* I" B. r& C+ r2 m3 O
　　Disallow: /images/ 图片

　　Disallow: /data/ 数据库文件

　　Disallow: /template/ 模板文件
# R- J2 r7 ~* g; p/ ~' ~
0 C) b0 P' ]" q3 T: l) `　　Disallow: /css/ 样式表文件

　　Disallow: /lang/ 编码文件
3 z9 d  s  k6 h. I  F, m* p4 v& }/ M; A
1 ]1 Q8 e4 O+ V9 z/ }( H, c# ^　　Disallow: /script/ 脚本文件
3 \3 ~1 F4 ^2 ?
　　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。
5 Z) ^$ o+ C$ f
5 I4 m" g% @# Q　　4. robots.txt文件里还可以直接包括在sitemap文件的链接。就像这样：

' A$ e) z& m/ Q. F/ x　　Sitemap: http://www.***.com/sitemap.xml
) h) Y$ E# m4 ?; v8 b/ I) T
　　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。
% ~9 l$ ~" `- M1 ^; w9 u
　　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。