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。

　　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。
6 Y9 S6 f4 z& f8 _! S  N" |% p
　　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。
/ U8 |: f2 p, z2 w: I
　　语法：最简单的 robots.txt 文件使用两条规则：
. A7 f1 T, |8 U* \) [, w& B8 U! R
8 V* K" T/ a1 {/ u/ v　　• User-Agent: 适用下列规则的漫游器
4 t, y% v# D+ B1 Y$ O$ E  P6 U
" o7 ?& N: \- k! x. f　　• Disallow: 要拦截的网页
7 v7 Q0 s/ G9 |+ O% H[编辑本段]
robots.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。
) L" d  o0 {! N
9 q; S$ O% _2 g4 E% V2 ?　　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。

/ ]  \/ o8 K' v9 W* M+ m7 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。
" G0 [' e4 X( |, N
+ g" v' r5 a. a  O) m　　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。

) _! J+ A0 p% M　　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。
[编辑本段]
  B! H" O3 B# G% }7 H( `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。
8 m8 [6 G! M& z; w* e% K, f3 X% d
　　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。
- b" P- _) g/ Q4 A! W
3 ~5 G& Y1 S9 J  F. ^5 y　　下面是VeryCMS里的robots.txt文件：

　　User-agent: *

! z0 [5 |( J) B　　Disallow: /admin/ 后台管理文件
% E! [$ C/ N  O4 `# A
# x# g1 y, `9 D* b- q: ~3 }' f　　Disallow: /require/ 程序文件
# \. s" ~% Y& M
　　Disallow: /attachment/ 附件
# h# @$ X" r5 l: ^% `$ f& ~. [
　　Disallow: /images/ 图片

　　Disallow: /data/ 数据库文件

+ {# ~6 I, S6 ^% L2 K% K　　Disallow: /template/ 模板文件

- [# W& ]" v, j0 v9 q& Y; p, |　　Disallow: /css/ 样式表文件

+ v$ n) H" K; R$ I　　Disallow: /lang/ 编码文件

　　Disallow: /script/ 脚本文件
  R9 ^( T& N1 R! ?; c: S
* s" N# K( a' z　　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。
6 M- `  H. S" B" \4 W! e* t
9 O; F/ H4 ~" }6 C# |, h　　4. robots.txt文件里还可以直接包括在sitemap文件的链接。就像这样：
; {4 e, D+ J: J: w2 q2 d
　　Sitemap: http://www.***.com/sitemap.xml

5 ]  u5 k& j  f4 M　　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。
. ^) u7 x) l. T/ Y
　　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。