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 i, M  B. R/ g/ T( t
　　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。
" k$ M/ d4 X8 ]0 z- E% e5 G8 x) ^
3 r1 ^! R, T- \# X  o- a1 t1 B　　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。
2 o. ~. }+ P# U' q. g- g) H
/ I, [, t# K3 F: u5 C/ |　　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
! U6 D6 `/ _' F$ B3 e# j9 y
2 K  }* S' G  x7 a& S* _1 {　　• Disallow: 要拦截的网页
7 Z1 N$ P$ o6 a! ?[编辑本段]
  G" q6 ]; V9 Z" X" 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。

　　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。
0 [3 y$ ~  F+ P" `  y
　　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。
( \% a( l/ K  Z3 b
　　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。
# E/ G% e) X+ ], b5 ^+ x, J[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。

2 y) P# d+ R0 L% y: y" |　　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。

% x5 h. P! C2 L$ h4 F' m  O　　下面是VeryCMS里的robots.txt文件：
! M  [& S, e1 F& u4 q
5 h. P" S$ k, k) y" P　　User-agent: *

　　Disallow: /admin/ 后台管理文件
7 A7 z7 s) T9 v: Y6 w
3 k3 O2 L8 [! ^6 ^( U　　Disallow: /require/ 程序文件
3 V& c, N- y, Z0 u+ G; i7 F" X
　　Disallow: /attachment/ 附件

　　Disallow: /images/ 图片
+ s) v8 O. f- H: k5 b3 T
* w( M' Y# K( t　　Disallow: /data/ 数据库文件

. {1 C* q/ Y/ i6 T4 Y! R5 n8 ^& h　　Disallow: /template/ 模板文件

! ?) f! E/ Y( J8 e6 K: b8 \　　Disallow: /css/ 样式表文件

( T5 V1 ?/ v9 ?' E0 O0 W8 m9 z　　Disallow: /lang/ 编码文件
9 j: l! L0 x* N7 @
　　Disallow: /script/ 脚本文件
* ]  S, Q- |$ o; p: b# w5 T
　　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：

. [1 l9 }) _& T( z　　Sitemap: http://www.***.com/sitemap.xml

　　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。
" n1 G; d& c. z1 m! o) \
　　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。