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。
+ @  L7 }& z. i# m8 _" c1 _
2 F" R; G% k7 T2 W& F7 K　　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。

9 c/ q0 q. n! O. z, Y9 u( `. u　　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。

# x! \9 u, f7 j7 a) h' h5 M+ T! K　　语法：最简单的 robots.txt 文件使用两条规则：
' \" ^. P* b7 c0 s! i% ]1 n
　　• User-Agent: 适用下列规则的漫游器

　　• Disallow: 要拦截的网页
[编辑本段]
% n9 b/ f; u7 e( hrobots.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。

& ~- f7 h) M/ {' h5 P2 [' L9 i　　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。
/ E0 U5 x! W6 U" D. P2 H3 r
　　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。

8 J- L2 L5 c- @+ c( U4 z$ f7 G1 D# S　　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 ^* S% e' a4 L8 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。

5 e% _: K( @4 i" Q( C3 q　　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]
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。

) P+ d! p7 h' q5 g　　下面是VeryCMS里的robots.txt文件：
! r9 ^1 f* s6 s9 t& H' o" Z4 k
5 b9 a0 f2 A" F' b; k, z　　User-agent: *

　　Disallow: /admin/ 后台管理文件

　　Disallow: /require/ 程序文件

# r, ^( a+ b1 ?1 q! J$ b3 g　　Disallow: /attachment/ 附件

5 }: q- v5 U8 V　　Disallow: /images/ 图片
0 s1 ^7 _$ e* ]! L  c
2 g8 ?! h! F9 N2 H　　Disallow: /data/ 数据库文件
: |& J) M# J! n$ d" e
6 K% e% _. }$ y; C　　Disallow: /template/ 模板文件

　　Disallow: /css/ 样式表文件

# [" S7 M% v, U3 I( z　　Disallow: /lang/ 编码文件
0 M; e9 s3 Y. Q6 S  U
　　Disallow: /script/ 脚本文件
* h0 I9 p; {. q( N1 Z1 `
　　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。
/ b- b" m) e2 w! t" }& H* v* A
( k+ l3 N0 c4 R) _- C' ]! }　　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
4 T# W) p3 e! Z5 m) \  y# M. G
( N) B+ _7 f. G8 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。

" J! {1 K' o: O9 C2 W" l/ _0 |　　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。