robots.txt

帅哥

[编辑本段]
0 @0 e! u8 B3 c) R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。
8 u7 I$ x& {0 A
　　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。

　　语法：最简单的 robots.txt 文件使用两条规则：
0 [0 ?6 s3 w7 X: }' t
　　• User-Agent: 适用下列规则的漫游器

- |: r) ^7 ^4 Q' j2 H　　• Disallow: 要拦截的网页
[编辑本段]
9 C' L6 ]  a& rrobots.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。

# M( |1 J( T' T8 E: Q0 ^9 x" _　　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。
( K8 f6 E" a0 W. u5 j4 b9 \
　　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。
+ H7 m- V! R* k& u( g
  m3 s2 F, T& J( x- h6 q+ g　　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。
& ]! V1 W( H% J- W! J
　　如果这样的话，会导致整个网站不能被搜索引擎收录。
4 W6 X8 O; r1 Q; _4 P5 }, T2 E[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 i6 P, c2 m+ \: L3 J　　下面是VeryCMS里的robots.txt文件：
- @0 K) N; |& Q# j/ C# g$ M
# B/ l: |4 m6 j　　User-agent: *

! B& D) X' q% ^- z5 j( N　　Disallow: /admin/ 后台管理文件

　　Disallow: /require/ 程序文件

$ k, M! x; a- R) l: {, l" j* \　　Disallow: /attachment/ 附件

　　Disallow: /images/ 图片

　　Disallow: /data/ 数据库文件

5 C1 k/ t& G: e# ^( P　　Disallow: /template/ 模板文件
& v; f: k. g) Z
　　Disallow: /css/ 样式表文件
! u+ h) `, O* [! e% b( w' h
. ~! m- ~0 L2 |2 h2 ?7 X　　Disallow: /lang/ 编码文件

- e) |5 f& w$ A# A　　Disallow: /script/ 脚本文件
% }6 d) F1 V3 g6 g
　　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：
  |' ?& B# v" m+ }
% D- ]3 e* T( x& v, I/ W　　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。