robots.txt

帅哥

[编辑本段]
* s+ t0 O6 R# o5 s; A: p1 d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。

. ]# Z! B; P8 N# w/ r' C# R. Y, g7 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。
: |2 d9 F- ?6 h$ d0 s/ w9 m
1 `5 l. ]- J. t, O0 w+ K　　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。

1 `) i( Z% {7 H& q! L0 P1 r　　语法：最简单的 robots.txt 文件使用两条规则：

) m0 p" E7 x4 M- Z  V9 R: r2 [) n% m  [　　• User-Agent: 适用下列规则的漫游器

6 g) N. c7 x3 C. b　　• Disallow: 要拦截的网页
+ T0 S8 }& _$ q8 c, N, ~1 T[编辑本段]
- k5 ?: w; c0 a8 f7 F4 E9 x7 Urobots.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。

* |3 I4 M  S5 }1 O9 W+ r　　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。
" b8 N9 d5 i; n2 |) q
　　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。
9 {5 Y* x4 M' A, T2 S% r
- r1 Z7 v" E& o9 _8 `; B7 [　　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 ^0 Q% [' b, I5 G
$ z$ V# Q2 R# Y9 N* U　　如果这样的话，会导致整个网站不能被搜索引擎收录。
3 y/ w7 u+ ]7 {" Y[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。

. V2 p3 l! ^* I3 B5 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。

7 T5 F. d: h& Q2 D2 }) Y4 u- m　　下面是VeryCMS里的robots.txt文件：

　　User-agent: *

2 }( ]) \: Q9 u　　Disallow: /admin/ 后台管理文件

3 M  {; q8 j: H8 F' U7 A! {! S　　Disallow: /require/ 程序文件
( B# v' b$ p- b% V" n0 ~
　　Disallow: /attachment/ 附件

& v4 P# c2 l* H$ _9 G! v7 a　　Disallow: /images/ 图片
' h& H: L! g# |' w
- K; w2 p" \- s; X* Z- G5 j4 O/ F　　Disallow: /data/ 数据库文件

　　Disallow: /template/ 模板文件
$ a7 K! f2 x1 N8 G! V, w9 R2 a* s/ d
; O7 e- N; S7 H8 S; j/ k　　Disallow: /css/ 样式表文件
  H# h1 }3 |1 C/ V! y
# `+ ]! q$ m2 _　　Disallow: /lang/ 编码文件
0 o$ _5 r( B! @, Z1 h( ~( j/ @0 M- g5 p
　　Disallow: /script/ 脚本文件
! }7 p6 L' e. x
　　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。

* w% G6 y; D' ~　　4. robots.txt文件里还可以直接包括在sitemap文件的链接。就像这样：

0 v$ m7 l7 c6 j- q　　Sitemap: http://www.***.com/sitemap.xml
+ R2 @/ {. e: e" d/ z9 L8 {
' K# z+ w2 O+ A# c" \" f$ I　　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。
+ T, e2 w4 h; v. z2 Y' J& M0 l
　　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。