robots.txt

帅哥

[编辑本段]
) ^9 p" b0 A' \# m2 j8 o# M2 K  l( S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。

　　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。
: c2 d/ {& c! l% E
9 Q, t/ D' @) D2 G3 N5 x5 {2 c　　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。
; p; D: k6 a5 T, E
　　语法：最简单的 robots.txt 文件使用两条规则：
8 [  D( J5 ?8 ?$ z2 {4 Z
9 T9 F* P$ ]7 g. m; D  J. z; a& K; `　　• User-Agent: 适用下列规则的漫游器

6 p) C* M; o/ X2 q　　• Disallow: 要拦截的网页
. d& F9 U* H# M[编辑本段]
; L8 G% {5 ~' F% Nrobots.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。

, F3 Z/ C2 _/ a+ _$ n; h3 W　　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。
4 b( ]- k* n- [
! o( {' Z8 G* j( {! g$ k. x　　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。
* R: z4 o9 e6 i; 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。
7 r1 x6 d2 S4 K( G' H3 d" v5 _
　　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。
1 I) c. D7 z2 U4 i7 `
　　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]
2 O8 L. q* P8 P% 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。
7 r, b: X0 J! I- l! S5 H/ C: Y
: G# W% `" x/ ~- W$ J! v6 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。
3 Y" D- j  U* C
　　下面是VeryCMS里的robots.txt文件：

　　User-agent: *

　　Disallow: /admin/ 后台管理文件
! J$ e$ u0 Q7 C+ Z! c2 s* E3 ]+ N" V. ~0 ?
1 t4 X9 ?  ~( A; ]% d' m5 T　　Disallow: /require/ 程序文件

) x# l( ?/ Q* I- j2 V3 r　　Disallow: /attachment/ 附件

　　Disallow: /images/ 图片

( X* U( m! e* ?, s2 @: c. }　　Disallow: /data/ 数据库文件
2 f5 {2 S4 h* U$ h& |, t# F1 ?
2 N: D$ V1 l+ b3 l3 d8 ]　　Disallow: /template/ 模板文件
/ \/ _/ h6 }7 [- G
7 P6 y! P8 `* V　　Disallow: /css/ 样式表文件

　　Disallow: /lang/ 编码文件
3 x$ ~: G. u4 y* D" M  l
　　Disallow: /script/ 脚本文件
$ U$ }) u' }% n
　　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. 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

2 W  f$ z* e. r& V$ a2 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。

9 i- w/ Q- l8 y5 F　　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。