robots.txt

帅哥

[编辑本段]
+ d% y; {/ _2 P5 d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。
' M1 ]$ q9 n' f
　　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。
  a( Q" P; y( n' \7 C, G! b
+ e+ M0 ]1 y2 F' U　　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。

5 |2 m. C6 r1 `1 l( Z9 g　　语法：最简单的 robots.txt 文件使用两条规则：
3 W& b' l- o7 ?* [2 C% F; i* t) g
　　• User-Agent: 适用下列规则的漫游器
- t7 D1 K9 S: S( J  V; L
　　• 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。

( f2 n1 x8 v& s' v( u　　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。
! d& V1 b0 ^  P+ @7 }
0 Q1 @6 F& k8 `& k2 q　　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。
1 |$ C3 |; f# h2 X
　　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。
+ @0 _2 H0 C. v1 j" c& p
3 i' |: T. @# L: i  `; c+ y0 Y1 n　　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。

　　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]
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。

, Z0 u. ~) k6 D3 V5 V# ]* 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。
+ ]5 Q0 u6 ], ], Q6 [$ k
　　下面是VeryCMS里的robots.txt文件：
+ f/ Q! `) z8 Y  R
% l0 n" R  F8 Y: Z2 W" c* A5 F8 }9 L4 G! ?7 M　　User-agent: *

　　Disallow: /admin/ 后台管理文件

* n# X" {% X; w; b9 @　　Disallow: /require/ 程序文件
. h2 z1 K' A) S6 ?
　　Disallow: /attachment/ 附件

* _$ T$ a4 K% ~! L" B　　Disallow: /images/ 图片
% z* [- k, X3 o
; _2 ~! j+ Q+ ?8 O, q　　Disallow: /data/ 数据库文件

　　Disallow: /template/ 模板文件
. t+ f# Z0 J3 ~) K. g% X
* }: t7 F7 `: b& j& T; z8 s1 Y6 Y　　Disallow: /css/ 样式表文件
! f, y  w( c( }6 x
  K# L: o' r; D' G+ a　　Disallow: /lang/ 编码文件

　　Disallow: /script/ 脚本文件
' z: `. ]* f1 |& L* c. J3 }* @' K
　　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。
! l, T0 L5 _. c. t3 E
) }/ w5 o- K  y1 L5 k3 Y6 r/ e1 f　　4. robots.txt文件里还可以直接包括在sitemap文件的链接。就像这样：

$ |4 ^5 v3 l9 Z) K/ ]5 B1 S# ~　　Sitemap: http://www.***.com/sitemap.xml
. I" \1 W+ A+ q$ v; M% K8 h
　　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。
! o( d- Q' w4 C$ |
　　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。