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。
8 ~: F/ }! y- s: t8 r9 d1 p4 D7 K  `
! b2 _/ Z! J* R5 k( f7 e　　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。

0 T2 s, m/ I6 l5 j3 {; |　　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：

　　• User-Agent: 适用下列规则的漫游器
. `% {3 |5 C4 M* L$ V/ X" [
　　• Disallow: 要拦截的网页
! [- ^- k4 c+ T[编辑本段]
  J7 W; k0 ]5 J  X* o5 e7 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。
9 O2 r) n. E# `. X$ n6 f/ @
$ w$ E* _$ N, a2 y: c3 \. D7 w7 Z　　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。
- Y6 t- ]( ?5 f7 J8 E0 Q7 Z0 V0 j+ Z
　　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。
, ~" ~8 d5 r) x. |2 x
　　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。
8 u0 A/ a) n8 h: c# L
　　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。
8 ?) E. p7 ^2 z5 S. S
1 j- V% ?% I( n! n) z. @　　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。
4 b' S$ k. m$ r$ t* D: K
7 \2 F/ y( \! A8 b* ^　　如果这样的话，会导致整个网站不能被搜索引擎收录。
6 _5 j$ @0 |( l; C* m) [# p" G" I" b4 A9 r[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。
1 x( v6 a" }1 f8 O; V# G
　　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：
& t1 W6 N" h' L6 D0 S
　　User-agent: *

# A' F% f; Q- F* ?　　Disallow: /admin/ 后台管理文件

7 ]2 ?2 i/ I' V; P　　Disallow: /require/ 程序文件
6 \5 K5 I; Y! ^% z$ i" j6 U
' s' t, O6 s& r  Z5 S* `# m　　Disallow: /attachment/ 附件

　　Disallow: /images/ 图片

　　Disallow: /data/ 数据库文件
# m0 ^( M0 O/ V' t3 j7 l
　　Disallow: /template/ 模板文件

　　Disallow: /css/ 样式表文件

8 Q0 k, ]4 [8 {( I　　Disallow: /lang/ 编码文件

( u" I# S3 G9 Y  S9 [* e　　Disallow: /script/ 脚本文件

　　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。

. Q- F- a( ]( i8 X3 ~. y: S9 _: I, t　　4. robots.txt文件里还可以直接包括在sitemap文件的链接。就像这样：

8 d. B# i# D* V% W* U( {　　Sitemap: http://www.***.com/sitemap.xml
) O1 q: I1 Y% \1 m! g5 S- H8 F
　　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。

! L4 O: q5 y) ~; d# S　　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。