robots.txt

帅哥

[编辑本段]
5 T, O3 A4 [) B0 @% z, ]4 p+ h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。
* T' a. ]3 @; ?, U8 y
, A+ a( |6 ^+ n0 l% \1 |0 f　　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。
9 _/ l$ H$ V1 r! ~& @5 S0 b
　　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。

3 M3 m5 h) r$ x　　语法：最简单的 robots.txt 文件使用两条规则：
6 d% v- E1 O9 q5 M& z5 ^3 n
　　• User-Agent: 适用下列规则的漫游器
( A: h( j6 `! X) J( G) K
　　• Disallow: 要拦截的网页
4 K2 k) M% e  ?5 e6 C6 B1 Z' w[编辑本段]
) e; T' ]3 g- w+ R& b7 Arobots.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。

　　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" Z4 P- c9 g6 C
7 Z$ i; V6 b6 v" L. G5 Z6 b　　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。
/ t9 [  _7 z! N& o) @4 h* `
; [& A. z+ J% e; A: R　　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 Y$ i" V: {1 ?
　　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。

2 Y/ X+ C- |$ J/ d" 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。
2 d8 j' G& r% z* d
  n4 K4 B' y) m- R) {4 h　　如果这样的话，会导致整个网站不能被搜索引擎收录。
! H' y: S% l" b  L6 D[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。

　　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。
2 O' W) F( T2 h0 n( }
2 X  I& }7 g/ I+ @% X: l5 ?　　下面是VeryCMS里的robots.txt文件：

8 f( B* v* E9 A2 k$ O" J　　User-agent: *

　　Disallow: /admin/ 后台管理文件
' @$ t8 A. q+ E' }( s8 J. `, j
: x' k$ }; X- o8 L5 ?  v　　Disallow: /require/ 程序文件
4 C0 D& n+ P' j' G
9 K& k" L7 a6 |/ V& V2 \3 C　　Disallow: /attachment/ 附件
5 h% }9 g8 T% w
. X* s& i) p4 O) l8 r. |& Y　　Disallow: /images/ 图片

　　Disallow: /data/ 数据库文件
" ?, H$ C9 D5 K$ Y0 W( R
　　Disallow: /template/ 模板文件
3 B7 x- I1 h; m, R' F' k! ^( m- U
7 ~) L4 x* }/ \) W　　Disallow: /css/ 样式表文件
* h5 x3 W4 I$ B8 p: S! ^( W
　　Disallow: /lang/ 编码文件
; s: A# L$ T$ W
　　Disallow: /script/ 脚本文件
4 l/ u- [" i# h* e
" E7 u2 {  W% I' ~　　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。
( N2 M7 j; R0 P6 j+ b
　　4. robots.txt文件里还可以直接包括在sitemap文件的链接。就像这样：

　　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。

　　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。