robots.txt

帅哥

[编辑本段]
# w) U+ ?8 x( a( X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。
% A7 c) H/ ]0 C# Q" H
　　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 b6 x# y- ~, T　　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。
$ I( E8 }: B- m/ e1 a
　　语法：最简单的 robots.txt 文件使用两条规则：
1 v2 Z& ~2 _; j% E8 F% h8 l
　　• User-Agent: 适用下列规则的漫游器

0 m4 K1 S  L$ R( y4 A0 _　　• Disallow: 要拦截的网页
[编辑本段]
; c2 S& {9 Y) F5 P1 ^; Y. Nrobots.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。

% e. r4 B$ g; M! ~" S0 ^0 V3 N　　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。
: M- ]1 d4 Q( Z' n* `4 J
　　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。
, N7 N0 Y1 g/ @2 n$ H: P
　　如果这样的话，会导致整个网站不能被搜索引擎收录。
- |! m0 n2 Q% b8 a( D$ i' }[编辑本段]
4 F2 t2 f: [: D7 l! ?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。
5 ~: W) V) v( K
8 A: g8 }. ]: D! R　　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。
5 G3 \6 i7 Q$ [, {8 O
% |6 q8 L3 W" m2 u. d% R　　下面是VeryCMS里的robots.txt文件：

8 H' `5 F8 ?- ~( {　　User-agent: *
) _' t% U8 j0 O# [* k
, m* Z1 O; t; g" N  |% _' U+ L　　Disallow: /admin/ 后台管理文件
  K* m. W* l- Z' g
# V3 H7 j7 L$ Q. e3 I- j　　Disallow: /require/ 程序文件
. o4 `4 j+ b* R8 Z
! c6 A# b  l+ o& z( }　　Disallow: /attachment/ 附件
- P2 f, T4 h9 P( T& O( _) q
" d4 s# s7 R7 a: w; Y+ }　　Disallow: /images/ 图片
1 j8 ?* I$ `* L6 O. k5 o
　　Disallow: /data/ 数据库文件
# s0 P* N( a2 m
　　Disallow: /template/ 模板文件

　　Disallow: /css/ 样式表文件
) A! {/ [. T: s6 H
　　Disallow: /lang/ 编码文件

' y# }+ ]! s4 F) W4 h/ ?. m- s6 M+ A( A　　Disallow: /script/ 脚本文件

: k! T( @# @/ a: O: W/ K6 F　　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：
3 v/ L4 M2 p2 r0 }  t7 n+ j
　　Sitemap: http://www.***.com/sitemap.xml

　　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。