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。

/ `! u6 i: E6 h1 Y5 K　　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。
; V6 ~4 `1 h( W" c: w6 H  ?' d
' s; p9 [& m" P- W5 @1 k' K　　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。

$ \3 N7 Q( i; p6 O　　语法：最简单的 robots.txt 文件使用两条规则：

+ d* M& G+ p' I" u5 B5 ^　　• User-Agent: 适用下列规则的漫游器
* g# }) f$ R' H/ {9 p
, F. h; [  }4 ~　　• Disallow: 要拦截的网页
+ v& Q( e6 C; \4 V5 M[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。

　　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。

; t7 ?- S2 X2 J+ [　　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。
0 [. B+ X7 }3 m/ [) k) ]0 a5 v% V6 j" x
% T2 _8 W4 ]- r2 E5 i0 _& m. S' ~/ Z　　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。

, o- C& t( e8 R, m$ X2 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。

$ Q' F  C; y; @( M4 z  I  `　　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 u6 c! M8 S, v. h# E- c
　　如果这样的话，会导致整个网站不能被搜索引擎收录。
! K& C' r; f; Y5 N. p[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。
/ D- h! F5 K7 h7 [
, F6 G! a( L8 i0 e9 V; P3 r　　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。

　　下面是VeryCMS里的robots.txt文件：
$ `" ?+ ]5 b$ h1 A: z6 R' V
4 S* p. t% O7 D; O9 d4 K　　User-agent: *

  d8 Q* g/ {; v$ }& _　　Disallow: /admin/ 后台管理文件
: L* a0 ]+ X. A, u& W# V
　　Disallow: /require/ 程序文件
! G. m4 S" e. F: P
& ]# Z# E% y* O' a　　Disallow: /attachment/ 附件

$ H  p1 G, u+ m0 V$ i4 C　　Disallow: /images/ 图片

$ @9 U% k6 k9 {8 a/ T% S1 D　　Disallow: /data/ 数据库文件
: G" L9 t: Z4 g7 `0 [
　　Disallow: /template/ 模板文件
- H- g  ^! }+ H4 X- N' T/ |
　　Disallow: /css/ 样式表文件

' w, }: b, U! O8 J2 U0 G. H　　Disallow: /lang/ 编码文件

( _0 b* R$ ]: U0 E; |$ r　　Disallow: /script/ 脚本文件

' s# h: g. t  `4 n, e9 c. 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。

　　4. robots.txt文件里还可以直接包括在sitemap文件的链接。就像这样：

  ?2 F) C& C/ c" ?1 ^, A　　Sitemap: http://www.***.com/sitemap.xml

7 ^2 n% a$ h+ }! s0 b　　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。
- a2 n1 `2 t& y) [/ E
　　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。