robots.txt

帅哥

[编辑本段]
/ D! `  _: }3 R' P2 e6 p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。
  x) ?6 ?5 X5 s/ [1 k
7 B1 C8 f4 v' g& b: P8 V7 O　　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 Q; \) S4 B1 E) |9 g
9 ~: C6 R& n: m　　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。

' `) s, q1 _3 G8 ^% x, q7 W　　语法：最简单的 robots.txt 文件使用两条规则：
& d& H, V3 X7 m' ]( |
　　• User-Agent: 适用下列规则的漫游器

　　• Disallow: 要拦截的网页
[编辑本段]
$ P% z  P, @  R6 F" @0 T1 b2 d6 T+ zrobots.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。
# m: t. ~7 e  H2 G& E. F
　　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。
& ~% d# r4 s, u* _3 ~
2 c( ]: X2 v5 u- o3 A+ o2 [　　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。
* G' A( c) J# w! d0 J* _
1 ]: c/ F( J/ c& P　　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。

" ]- t% {, w. V0 K1 [2 q( }) L　　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。
$ ]. l4 f2 Y5 H; A
　　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。

0 @8 l: A# R" a3 S8 ~　　下面是VeryCMS里的robots.txt文件：
" }/ `' X6 ?, s' u% V! C
　　User-agent: *

　　Disallow: /admin/ 后台管理文件
" @9 d% k. }/ m! Z- ^: i, w
　　Disallow: /require/ 程序文件
8 e1 A1 Y' r! J% o8 r
( r4 C0 `4 Z) q4 U" n5 U$ }1 u) B　　Disallow: /attachment/ 附件
0 W; }% a% Z4 G' @5 j7 P/ g/ }
　　Disallow: /images/ 图片
8 V0 L* V! _' g1 r% j3 t
　　Disallow: /data/ 数据库文件
, D  Q: b5 a: l4 o# C. V
" _# @- l9 S+ r4 x* ]8 y　　Disallow: /template/ 模板文件

　　Disallow: /css/ 样式表文件
' _8 G; Z! w) m0 ]
+ t' y7 r/ j+ C. V　　Disallow: /lang/ 编码文件

　　Disallow: /script/ 脚本文件
$ h& \! Z' I8 s& }' E% ^
$ Q+ u. G0 N- `: y& ?. G; T+ h1 d2 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。
- z: N0 H9 Z- C/ R3 z
* d+ E2 @& g  M+ W' Z3 Y: x　　4. robots.txt文件里还可以直接包括在sitemap文件的链接。就像这样：
* F5 J0 G. e. u
: Q( X! J8 r5 L8 c4 E9 i; G　　Sitemap: http://www.***.com/sitemap.xml
/ N  h8 Q3 Q. e7 g  b
　　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。

　　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。