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。
! V/ Z& W# A0 `8 D$ _/ u
- v% R4 i. _% A. y; r4 j: ?) e: 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。

　　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。

0 q, a  v# {9 I1 I+ N3 q$ j+ H) J　　语法：最简单的 robots.txt 文件使用两条规则：
  W& V$ O$ M' M
, T; b( W% M: U4 ~8 Y2 N　　• User-Agent: 适用下列规则的漫游器

* f3 v# N' `4 Z' Z8 M0 k: W　　• Disallow: 要拦截的网页
[编辑本段]
6 I1 M& W+ c% srobots.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。

/ b8 p  L. ]2 `: {　　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。

! y  J$ \/ |4 w( e' c2 W9 Y　　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。

4 }/ ]8 ]7 M) T　　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。

6 K9 `7 q1 e  {# R; f　　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。

- k3 J' z6 X8 F1 Q　　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。

2 q6 J- {* o, z$ `4 Q　　如果这样的话，会导致整个网站不能被搜索引擎收录。
1 j6 a& U9 r, T: Q% u4 |# W+ u[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。
4 g0 }$ b/ H# ~" M/ b# g' t. {
　　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。

. Z2 a- U+ l* }4 }1 A4 z6 M' k8 C　　下面是VeryCMS里的robots.txt文件：

% h" j1 Z$ W2 k　　User-agent: *

　　Disallow: /admin/ 后台管理文件
9 `/ ~' \2 U$ l1 g. t7 Z
7 M! R; W; \4 ~1 E7 i! o　　Disallow: /require/ 程序文件
  p+ c0 F- |5 L. q0 ~& E; ^
9 s* d" C, J. ?　　Disallow: /attachment/ 附件
8 K! T9 `: \0 {! j) G
　　Disallow: /images/ 图片
: y; g/ d- B2 h. F: Z$ @
　　Disallow: /data/ 数据库文件

6 ~, f8 F- M. l0 m8 P0 }　　Disallow: /template/ 模板文件
+ S- q2 V* B' X& N! P5 E
　　Disallow: /css/ 样式表文件
  ]- Y2 G6 N+ _8 G# J: r
　　Disallow: /lang/ 编码文件
1 T# l- Q3 Q' V! _
  Q  {2 H  V$ K" f　　Disallow: /script/ 脚本文件
8 W# ^9 T4 C, Z2 w# R
　　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。

　　4. robots.txt文件里还可以直接包括在sitemap文件的链接。就像这样：
: p0 A( b' \7 `3 ?
　　Sitemap: http://www.***.com/sitemap.xml

. D; [2 F2 ?% I' w2 D8 n　　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。
% U( p% R; {. U4 D: U- [, K
　　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。