robots.txt

帅哥

[编辑本段]
& t' O% ~; J/ w! {% F& B1 g: N) c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。

　　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。
/ X$ V9 z9 j* N) N# R2 b4 \" V2 {$ 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。
: h+ S- e& Y6 W- {6 A9 M
　　语法：最简单的 robots.txt 文件使用两条规则：

/ t! l4 }6 |! ~7 e　　• User-Agent: 适用下列规则的漫游器
# C9 w) @& P( d
  o( _0 D: p! z( p) z( v% q　　• Disallow: 要拦截的网页
[编辑本段]
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。
4 n( t& U+ S* `. E! W) \
　　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。

& V$ b0 i0 f/ ^$ y* l# Z　　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。
( x8 p8 W& e( G' ^
& z: M3 m1 n' J& Q$ i9 a. P+ 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。
6 P! ^* p8 I- U* J& G7 K1 `
% {5 D: x, ]* S0 U1 j) f　　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。
  G& Q( `2 w1 @
2 d, G4 V0 Q, X, f% B　　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。

　　如果这样的话，会导致整个网站不能被搜索引擎收录。
' z- [  `& u' N# w+ G$ _+ Z[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。
% `7 u1 m0 m8 L( F. I
) z5 ~. t( f4 s　　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 h! i! R" j; Y: m
+ H# m+ k3 D) S8 d2 O　　下面是VeryCMS里的robots.txt文件：
; z& V- _, F; Y" P( L/ c2 }8 Z
# ?5 M/ A) V1 N8 d9 _* `$ K　　User-agent: *
5 t; f  Y" Z  e! c0 _$ i0 l8 ?7 D
! }' y) H2 `! O& W　　Disallow: /admin/ 后台管理文件
, y. q2 P' }5 Y) |5 `; c4 Y% Z% p
  S2 P0 Q' p, W3 Z3 B; S0 [　　Disallow: /require/ 程序文件
$ x6 L' Q7 C0 |
& p0 |$ A2 u( P+ y  b3 h5 d0 _, Q2 S　　Disallow: /attachment/ 附件

　　Disallow: /images/ 图片
+ A* h, O* E6 Y' `' G& [% Y8 ?# j
8 N4 P# ]8 n! l6 q2 |　　Disallow: /data/ 数据库文件
8 C( h$ A1 M0 S" _
　　Disallow: /template/ 模板文件

　　Disallow: /css/ 样式表文件
- f2 b! n; |) A6 v/ S
　　Disallow: /lang/ 编码文件

& g) h0 g4 A2 \" s8 X6 h" C8 I2 P　　Disallow: /script/ 脚本文件

　　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 L- m# e& l( X4 H4 ?
　　4. robots.txt文件里还可以直接包括在sitemap文件的链接。就像这样：

. H8 B7 {0 F: J8 ~3 E( y4 e0 |　　Sitemap: http://www.***.com/sitemap.xml

. _& {! I& H- [: k　　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。