robots.txt

帅哥

[编辑本段]
( ?/ e0 N$ H4 X+ H3 s3 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。
1 ^" T5 J- i- n  E% a& I
　　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。

　　语法：最简单的 robots.txt 文件使用两条规则：

6 F* h1 V# x! j2 r; @　　• User-Agent: 适用下列规则的漫游器

6 |' x. P6 J% n' y  b& [; a6 K　　• Disallow: 要拦截的网页
5 o+ z8 ~5 Q: j. {' S7 L# f[编辑本段]
" K0 S: ~9 V; j/ f: drobots.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。

9 k6 t1 K* B! x: q0 f　　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。

　　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。

% E; z+ c6 Y8 K3 h. `　　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。
' C4 [; ]0 j( y! 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。
+ p' F/ O  L: P
4 U* v' b4 K% n1 U　　如果这样的话，会导致整个网站不能被搜索引擎收录。
[编辑本段]
7 z1 g# @+ x. }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 K# ]1 b8 i* B7 D- A
　　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。

! m- B1 E5 r* ?/ W( t8 j2 v　　下面是VeryCMS里的robots.txt文件：
! T: p& P: b7 M. n& j
　　User-agent: *

! {5 ^+ ?) y' B8 l　　Disallow: /admin/ 后台管理文件
; H$ G6 y  B1 y; B; G. _" ^
4 i& f- H, v8 d# r　　Disallow: /require/ 程序文件
/ E, u' m+ I$ i& e
' \1 R  ~0 Q! v# ?, P4 o6 e& g　　Disallow: /attachment/ 附件
$ @$ ^4 U4 v% l; N. b' U$ q
' [7 q9 M& c( P: d+ C$ i　　Disallow: /images/ 图片
1 ~5 Q; F9 F  T2 U* o7 ^) A: F" l0 y
. R+ \8 N% o9 B. X% t　　Disallow: /data/ 数据库文件

9 I9 g, z" Y7 v/ y' x, F　　Disallow: /template/ 模板文件
9 q, W& g0 W( U9 d5 P$ Q& I
+ F$ |) I/ \" [( `% S　　Disallow: /css/ 样式表文件

　　Disallow: /lang/ 编码文件

! ^& \) T* [( Q* Y9 J) y　　Disallow: /script/ 脚本文件
8 @- {; Q1 o1 r2 n
4 o2 {9 s7 [2 n  M' v) B0 V1 o' P! P　　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。

8 h4 r& q: T/ `3 @6 ^% J% o6 S　　4. robots.txt文件里还可以直接包括在sitemap文件的链接。就像这样：

　　Sitemap: http://www.***.com/sitemap.xml

/ C. W  o* a% @' D" n; a　　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。

! w9 @+ W$ w# a: u; k; `9 a8 ]: Y　　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。