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。
4 q* \$ j  d3 ^: K8 I6 R1 U- y: Z
　　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。
: O' E0 A6 z' @
　　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。
# `1 _" p; n7 \" v
　　语法：最简单的 robots.txt 文件使用两条规则：
" `( C4 i* G$ k" q) i4 S1 ]
) u6 T5 b% a: n/ U# X　　• User-Agent: 适用下列规则的漫游器

1 i3 q# m! i- p  N　　• Disallow: 要拦截的网页
[编辑本段]
$ G; ]) _  f5 G% W3 x- x$ mrobots.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" l8 V, d+ o
　　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。
* x) e, U# @/ 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。

　　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。

+ Y7 b- \* V" i) ?" A6 H　　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。
8 f& I" E5 o& G) i* i/ Z$ i/ b  p
& o* ]& }& W  }　　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。
. ^' w# y; y& S( V! v
$ z. S% U6 Z% Z/ I! j( e6 _　　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]
- X4 Y+ X# G1 L5 Drobots.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。
" C* `  O! b4 g; d% c9 x3 J( w
　　下面是VeryCMS里的robots.txt文件：
/ s2 A/ T6 O' Z% F% Y5 L
　　User-agent: *

) ^& w4 d  i: P　　Disallow: /admin/ 后台管理文件
- q/ O: z! @9 _7 \' t# T8 \+ R! Y
　　Disallow: /require/ 程序文件

　　Disallow: /attachment/ 附件

　　Disallow: /images/ 图片

% f( P7 f) I" |7 T6 Y( }　　Disallow: /data/ 数据库文件
* b' o8 x  }- I4 j; v
　　Disallow: /template/ 模板文件
9 G4 P% {  [! A# Z4 s
" V6 U( y/ \3 x. X) f2 p, f　　Disallow: /css/ 样式表文件
6 ]5 b. Q, {7 g$ s$ `
　　Disallow: /lang/ 编码文件

　　Disallow: /script/ 脚本文件

& f, ^) ~7 @+ O# g1 E5 [# f　　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。
  G, Y5 t1 o- c2 X6 V+ X. o# n
　　4. robots.txt文件里还可以直接包括在sitemap文件的链接。就像这样：
+ R3 @2 A6 E6 |" K4 q+ m& {& E) v
9 @3 K/ q; {8 n; u　　Sitemap: http://www.***.com/sitemap.xml
2 B5 @4 m* B7 B8 q# p/ u
　　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。