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。

　　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; I8 t) A( t& a, ?* {7 X3 Y4 l  c7 D( E* g
　　语法：最简单的 robots.txt 文件使用两条规则：
9 j; y* z$ U3 E3 a$ j
. a% i# x: p' H7 n1 i; q9 l　　• User-Agent: 适用下列规则的漫游器

1 }  K: S( K6 e3 o5 J/ e　　• Disallow: 要拦截的网页
[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。

　　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。

+ ^" m( Q( C; V  q; {. Z. u　　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。
# a. X1 c( y" _# n# L3 M9 {/ _/ d6 K
8 p2 t; S2 c: |, M0 g6 T; Z　　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。
  d8 [  y( E7 I0 @) |1 ^
　　如果这样的话，会导致整个网站不能被搜索引擎收录。
0 i& ]; j. B- e7 M# H4 z[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。
- |$ o: W! o+ H7 U. z% r$ ?
9 `+ b- a; b% V( @: v7 O　　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。
2 P; X* p6 P2 r% q/ I( q+ n
1 s: l( v5 z  N2 [4 j+ E　　下面是VeryCMS里的robots.txt文件：
+ T1 d& c& ~8 t% H6 m
4 y" a% M' K' S7 F5 o" }5 x/ J- e　　User-agent: *

) a" E% n7 a& G" q% _5 F, J* o　　Disallow: /admin/ 后台管理文件

1 H6 S* X0 ^( J  \+ B　　Disallow: /require/ 程序文件

8 R3 W6 t/ q3 u8 V9 l　　Disallow: /attachment/ 附件

　　Disallow: /images/ 图片
4 j5 O+ a4 Q% U  _
　　Disallow: /data/ 数据库文件
; f) ]  |! d* v$ S3 ?/ N
$ |% v* h6 D# S  u, S& M, D% V　　Disallow: /template/ 模板文件
. j- {0 U, w8 V: n, L2 \
$ n1 `4 R+ ?2 B; [) N　　Disallow: /css/ 样式表文件
; C. Q; h) c5 J8 C3 }
+ l( C0 z; x4 _1 A! F　　Disallow: /lang/ 编码文件
5 l; @3 w/ [: L1 ^, G
　　Disallow: /script/ 脚本文件

　　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。

$ g5 ~* P$ w  O) k0 q　　4. robots.txt文件里还可以直接包括在sitemap文件的链接。就像这样：
7 Y$ G8 T+ o: a) j% B% B0 J
1 B% @  u* Y4 }* o1 o  Y+ ^　　Sitemap: http://www.***.com/sitemap.xml
0 ^# G" f0 o' e8 k
　　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。

, Y6 y7 h0 i$ x; J% i* z　　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。