robots.txt

帅哥

[编辑本段]
7 y0 ]+ ?4 Q3 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。

' K; ~1 `" H# l; {# W# x　　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。
' g( A9 I/ V  Z' u
* I" z/ \, ~: n　　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。

4 ?! w- B) {3 U1 I4 i+ |2 B& q　　语法：最简单的 robots.txt 文件使用两条规则：
  M5 k  S0 D. J6 e* g) n
2 D! G) z/ g- m1 P/ N3 k　　• User-Agent: 适用下列规则的漫游器
' z/ p( f. I) K; A7 ^8 c! v7 k4 Y  X
　　• Disallow: 要拦截的网页
8 U1 y. o# q- |3 [[编辑本段]
* `1 \4 \" g- R+ B8 Mrobots.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。
& `: y" E8 V" J: V' b
　　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。
8 T* d8 G9 {# r) L8 F
　　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。

/ e, b% K8 Q( X4 }　　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。

　　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。

　　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。

% g8 s8 a" q7 [7 I* t　　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：
* o* C/ c6 q9 w3 v
　　User-agent: *
: l! t  r6 a/ M  W& u
　　Disallow: /admin/ 后台管理文件
4 p0 Z: E! C) i1 r. W' L  s
; \& T7 O$ E; f　　Disallow: /require/ 程序文件
! z2 R3 ^* z- W8 D
　　Disallow: /attachment/ 附件
# E2 }3 d7 o* o( d0 D
. r2 q; ^) D/ T7 F* J　　Disallow: /images/ 图片
8 d0 G& b$ a! H% d
. y4 o0 {/ [1 g, V6 R- a　　Disallow: /data/ 数据库文件

　　Disallow: /template/ 模板文件
% V3 x( z$ Q( u6 g+ q4 S  E+ H
3 u: z5 E! u! }" l0 k- \1 m　　Disallow: /css/ 样式表文件
4 x& k. X  A4 r. g3 U7 y
　　Disallow: /lang/ 编码文件

8 P: {- Z: T% F% s　　Disallow: /script/ 脚本文件
3 p( z, q# X* j  X" r: o
　　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 a+ w# b0 m* e- h# }, n! s9 {4 w　　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
% S9 P- a/ b8 P. c6 a
' `6 t8 n; o8 Q- M. j　　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。
+ A7 g  {! a, ]% y* M( 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。