robots.txt

帅哥

[编辑本段]
; w$ z5 P0 }3 y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。
! \3 v' X! o8 Z0 c
　　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。

/ f  Z3 I3 f- p2 c  P　　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。

0 @4 ~& M5 |1 b  K4 f) C* e; _" x　　语法：最简单的 robots.txt 文件使用两条规则：
6 M6 u( ~( W$ `* H6 U0 }
　　• User-Agent: 适用下列规则的漫游器
6 Y. w$ x; o6 A& i; W; t
/ X, [# F4 q3 ]2 w, d* p　　• 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。
3 _: P' l8 _6 w" M
　　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。
+ F2 e5 L, [' e& p' b! z$ T# }
　　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。
) P+ U, M1 K$ I' ^! z' O1 G1 I( D
  z# ~* T1 e% @3 d4 s" \. r( c　　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。

/ E* \  P# D! P　　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。

' r! A# I8 B. U/ D- Z# Q1 t. b: \　　如果这样的话，会导致整个网站不能被搜索引擎收录。
1 J# h7 n& E7 R4 r: S2 U: L/ F2 b[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。
8 X0 g6 I# I- S1 N9 C' `, S4 S
　　下面是VeryCMS里的robots.txt文件：

8 x( D, D, |. x) V* O　　User-agent: *
7 x$ K1 Q5 M1 `  v2 Q
- ?/ [+ ]+ k8 ]# [- u　　Disallow: /admin/ 后台管理文件

　　Disallow: /require/ 程序文件
7 w7 F' d8 a+ v* p2 F* c! G% O
+ D* t2 h0 u- U; f- ^　　Disallow: /attachment/ 附件

　　Disallow: /images/ 图片
* k  x: T2 a. j
　　Disallow: /data/ 数据库文件
, r9 C7 n' g6 s9 X6 m+ ^; M
　　Disallow: /template/ 模板文件

5 R$ W- ~4 a, U, Z+ u　　Disallow: /css/ 样式表文件

$ p4 q$ r3 L) X" B% m　　Disallow: /lang/ 编码文件
5 E4 n/ L. c! v
; U" ^! O# D$ z3 y  ~6 ?　　Disallow: /script/ 脚本文件
. L. d# H& E0 ]4 H3 |1 M! d0 `
　　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。
# |5 J2 x& }4 @! v1 a  e( h  Q" V
　　4. robots.txt文件里还可以直接包括在sitemap文件的链接。就像这样：
& s- w7 k3 T$ I- I/ a" y
. A9 q4 ]7 y+ \4 ^( f# G0 t3 n　　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。