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。
6 X  G: x: U# j$ [0 _0 ]4 m! ?
+ Z- a. C" `4 S+ v" l# C　　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。
) j2 v0 z- r7 _' ^3 w8 W" T
6 \! ]7 s: u2 q; ?8 Y3 u! X　　语法：最简单的 robots.txt 文件使用两条规则：

　　• User-Agent: 适用下列规则的漫游器
3 n! S  J8 b& V! v1 \
　　• Disallow: 要拦截的网页
[编辑本段]
3 p$ }7 h9 p. J9 jrobots.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。
! N0 I1 O; q+ \3 O# }; ?
　　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。
+ _6 [) D" o- x$ d' g( r
! Q& x( z! P4 T0 H( C8 }　　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。
) `  h) v! }: v
　　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。
; i) q: u8 c8 l* o: S* J3 l
9 ~6 P. R; q3 l) |% 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。
2 o. C# W; S0 k  v
　　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]
9 R( z# |; e5 |% z4 l+ c1 \: Arobots.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。

' E: g' p3 _0 |' h5 v2 P　　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：

　　User-agent: *

　　Disallow: /admin/ 后台管理文件

2 A# z$ t2 U" g: P5 M8 Q　　Disallow: /require/ 程序文件

8 m( f# n* t5 _, W( ]; m　　Disallow: /attachment/ 附件

　　Disallow: /images/ 图片
; @, N& A( t. L& K" V) b; \
7 `' {( x+ C5 Q+ g& g7 |0 L4 E, J　　Disallow: /data/ 数据库文件
& G2 b3 u, y9 w% t# G' o7 L
　　Disallow: /template/ 模板文件

　　Disallow: /css/ 样式表文件

8 Z" E4 l) @5 j$ Z2 B% p　　Disallow: /lang/ 编码文件
) v2 Q0 I- h# J# t! d$ X
8 B& u( g9 f  L8 d- a* i　　Disallow: /script/ 脚本文件
( ]9 z8 b# j7 U0 }0 {) o6 c9 B
　　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 ?3 O! v- a% Q* R! h; u6 A6 R
　　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 U0 j) N6 Q- g, M" k* u7 P9 d　　Sitemap: http://www.***.com/sitemap.xml

& d& H5 |6 d2 n, K- E　　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。
, d& b# k6 q8 d" `7 _* X
　　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。