robots.txt

帅哥

[编辑本段]
* {9 K* _! C$ b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。

　　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。
# F: g- H0 P( e7 V6 p
　　语法：最简单的 robots.txt 文件使用两条规则：

7 p* G7 o: L1 E/ p  _1 [　　• User-Agent: 适用下列规则的漫游器
! H; H2 C) `/ s) P% H' A) S
4 h' ?0 K* T# l　　• Disallow: 要拦截的网页
[编辑本段]
: R! q% W) l- Y5 B- 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。

　　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。

　　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。

$ d8 o( D$ i. X+ P7 [0 Y( 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。
. b8 z$ `" `0 S! b
　　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。
6 G* D0 T" r* j  R1 z
　　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。

5 b/ l% v5 i$ ]　　如果这样的话，会导致整个网站不能被搜索引擎收录。
4 V# j& J  Y6 X# \# K[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。
% X7 [& E" k" A% H+ j0 I$ y% \! O
　　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 R$ s; d" k* i8 x, {- O2 e
" f0 I  ~# w6 n0 q, O　　下面是VeryCMS里的robots.txt文件：

　　User-agent: *
0 b- N! N  o5 A3 z5 r
　　Disallow: /admin/ 后台管理文件
% O; @: {; ]  m
% y" u9 M5 X- o- n# i; Z; |　　Disallow: /require/ 程序文件

* w& E; i/ z! w4 o9 ^$ E" K　　Disallow: /attachment/ 附件
/ k; c/ W- H( `# w$ j1 t: z
: a7 y5 H! g% \2 q) V" d　　Disallow: /images/ 图片
% ^1 \  ^; Y. |: d5 t! D, k1 O1 [5 j
　　Disallow: /data/ 数据库文件

　　Disallow: /template/ 模板文件
6 B/ h* r9 n8 }/ v
6 d* D: Q6 s% m& T7 K  G　　Disallow: /css/ 样式表文件

　　Disallow: /lang/ 编码文件
  a, r/ a. b& v
　　Disallow: /script/ 脚本文件
2 o' {( l) d0 D& g; W7 Y
1 U! W: ~+ @. n　　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。

　　4. robots.txt文件里还可以直接包括在sitemap文件的链接。就像这样：
# z0 T. G4 q7 c  C- E
　　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。