robots.txt

帅哥

[编辑本段]
+ `( g1 P& J3 k8 w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。
5 g6 W- \' |  g* B2 }' h0 {
　　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+ V" f; A* \0 e　　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。

' U6 p4 ^, y4 i& b　　语法：最简单的 robots.txt 文件使用两条规则：
! N2 [% T% V1 h% S8 S
　　• User-Agent: 适用下列规则的漫游器
$ f$ N* y" Q3 F8 F+ d8 E/ d7 ?
) k# c9 N: ]5 A( J5 z1 b　　• Disallow: 要拦截的网页
$ ~6 }3 |! \) U- G[编辑本段]
2 B! G- t8 y0 ^& I7 crobots.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。
9 N9 B6 \% i7 K. S6 ?$ h( Q: c# ^
　　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。

　　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。
6 F, I4 b+ S2 r( ~# Y6 O0 c
　　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。

7 [9 m# O; V" Q　　如果这样的话，会导致整个网站不能被搜索引擎收录。
+ ~2 ^: t+ k9 q* f/ t8 o$ l6 b[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. 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。
' e+ S2 ~$ V; l
　　下面是VeryCMS里的robots.txt文件：
! R, O  }. S, _) n# z
+ H. M8 K: n  g' ^/ t　　User-agent: *

' c9 N) E' m( W% e: r7 V( a$ Y　　Disallow: /admin/ 后台管理文件
: p3 P8 v- f: g/ K  U, k  g( [
　　Disallow: /require/ 程序文件

! `* X5 `  k9 Y　　Disallow: /attachment/ 附件

　　Disallow: /images/ 图片

; M* k+ S% z3 m) b0 D' v' m　　Disallow: /data/ 数据库文件

　　Disallow: /template/ 模板文件

　　Disallow: /css/ 样式表文件

　　Disallow: /lang/ 编码文件

# E4 z& Q, K% f　　Disallow: /script/ 脚本文件
6 r8 a( F+ K. H& s/ a
　　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。
0 y5 a" J: K* d, k+ W
8 O1 m/ l) x* @/ K5 u" \+ u　　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

8 r1 Y8 c, u. l. y. N　　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。
( W0 y/ p: a& ^8 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。