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。
0 n& `! v! D) ~2 e- w4 r
　　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。
4 @; `3 \, n$ ?: p: t9 L; `* ~, }6 M
8 ], }0 W# ?3 o" A% d　　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。

# Y' `9 k7 l+ K3 K; g* V0 |　　语法：最简单的 robots.txt 文件使用两条规则：

　　• User-Agent: 适用下列规则的漫游器
- a- G1 Q7 _! V9 [0 t0 P. L
, }- Y9 J  J4 \% Q4 l: v: w　　• Disallow: 要拦截的网页
/ x  C8 q6 R3 p4 c& A1 s[编辑本段]
! c% S- V% m- o% y8 M# Q: trobots.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。
+ ]5 @2 d, s( P  V: }) O
: H- v) a  ?  z# a- f; U　　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。
/ D) ~( b" P3 I( E
　　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。

- q3 \# v) F% a0 C0 Q& P7 I) |; K5 S! v　　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。

) @* M) V* L. M# O6 S　　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。
# M3 w0 d$ P7 ]& j
  A: n! t! s! S8 E8 T& ^& m! x　　如果这样的话，会导致整个网站不能被搜索引擎收录。
% y2 c" f2 H& o+ ]( q. x% E[编辑本段]
4 D- m) H2 \6 v; E7 P+ @/ y2 Brobots.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。
# X8 h  }$ O* z. 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。

　　下面是VeryCMS里的robots.txt文件：

+ ~( {; c8 r9 E+ a: ~) N. o8 i7 M　　User-agent: *

　　Disallow: /admin/ 后台管理文件
4 d7 l) _# C- x  ~4 g$ _( w4 n
, M: p/ y6 `" T+ P% Z+ F4 s　　Disallow: /require/ 程序文件

& E* @3 e+ K5 K$ E; h& W$ }　　Disallow: /attachment/ 附件

5 I0 z" L1 @  t0 w2 ]/ ^" ?　　Disallow: /images/ 图片

　　Disallow: /data/ 数据库文件

　　Disallow: /template/ 模板文件
7 m$ Z& M  x7 J1 |/ ?. ?( C
　　Disallow: /css/ 样式表文件

　　Disallow: /lang/ 编码文件
* W5 l  w6 O9 b' S8 q
　　Disallow: /script/ 脚本文件
2 z/ p/ D+ f9 b; y+ j
　　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：
) ?8 n4 r4 n7 o+ n% J& ^/ Y( _
　　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。

% d- `4 v& w1 F( W4 L9 ?- P　　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。