robots.txt

帅哥

[编辑本段]
; w" `$ l/ P! c2 I2 i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。
* A$ ?& b+ f3 q! n7 a( H" g! a
% J: |+ H) Z+ v　　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。
: J& {4 N$ i3 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。

; c/ F: m; ]0 s7 J　　语法：最简单的 robots.txt 文件使用两条规则：
. V5 u7 @. Q! ^) ~5 Y: `$ \
% v  m0 q+ D4 \  u1 g　　• User-Agent: 适用下列规则的漫游器
$ k1 H  x" Z! u" e
　　• Disallow: 要拦截的网页
" T+ }0 }8 I. K8 ]3 S8 A[编辑本段]
* H% m. E2 g: g  k, }8 \* {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。
1 u- O  v  c0 T* Y7 c
　　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。

1 q& o  z3 l7 a　　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。
( u( z- c( d0 M2 v( s! J# {
　　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。
+ k3 F0 O! g8 d$ }
　　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。
5 `5 G  i% [% N5 e" P, m' B; H0 G. S
　　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。
( L- L4 k5 v/ N+ r6 {* `
　　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。
8 J+ y7 d- H5 u. C" R
, X$ a" j2 M% {' S; 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。

: h5 p- g* A% w　　下面是VeryCMS里的robots.txt文件：

! I2 U! J. }) o. Z9 F: _7 I　　User-agent: *
9 u+ L% o) `" a- N2 t; O, H1 {2 A
5 _. [2 l) t! N: W8 n# ]　　Disallow: /admin/ 后台管理文件

　　Disallow: /require/ 程序文件

　　Disallow: /attachment/ 附件
: D; H" u0 i5 w" d2 t7 ~! Q2 z( d, }
　　Disallow: /images/ 图片
8 S) G& x. V1 E, j6 J
! k: L6 s8 z4 A　　Disallow: /data/ 数据库文件

; L, @/ p$ Z+ ?6 r5 q　　Disallow: /template/ 模板文件
5 q/ I* o# [- p$ K" ]4 Q
　　Disallow: /css/ 样式表文件

2 L- Q, ~9 D4 t2 x　　Disallow: /lang/ 编码文件

　　Disallow: /script/ 脚本文件
8 q/ A  P- [8 `' F# O9 v4 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。
) Z: ]9 Z, }: a" y9 \! Q2 g3 j5 U+ w
) s6 N; |0 P- x$ {. h  l　　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
% x8 `6 |5 x) i
　　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。

0 X& ]3 X' {' U  v　　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。