robots.txt

帅哥

[编辑本段]
1 z+ s% B0 Q8 s) c9 _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。

5 j& g: M# [/ Y3 K* J& q　　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。
' Z# w, G# n6 b) i9 P1 W
7 \/ i2 C1 D( D$ o- W　　语法：最简单的 robots.txt 文件使用两条规则：

: H6 Q, v9 J1 R4 B9 O9 e　　• User-Agent: 适用下列规则的漫游器
0 S+ v% |8 Y7 ?4 Q: U$ y
: |* O' Q( `8 |! F+ I9 c1 y　　• Disallow: 要拦截的网页
[编辑本段]
: L5 L/ a) D! W; _3 p# 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。
- E4 J3 g" L( K0 l) O) h( `
  M% |# ^* E+ Y1 F4 m　　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。
7 {. ~% d2 {, I2 u  v" J
1 W: Q1 s5 T: u6 k) g　　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。

* F8 M9 G, c, t5 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。
. m+ i  K. M6 n" a1 R8 |, w
' k9 {, W( B# b$ I  t. A$ ?' 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。
( m5 U& M: f" _$ z5 C8 y7 {8 u
, R7 {! m& V' L( W) k　　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。
% s; z/ j' `2 z) L
　　如果这样的话，会导致整个网站不能被搜索引擎收录。
[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。

　　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：
6 Y8 v$ R' M, E: M
1 D+ D0 k* S) L6 f　　User-agent: *

　　Disallow: /admin/ 后台管理文件

　　Disallow: /require/ 程序文件
8 P# H/ |7 l. d$ B9 F8 |5 e  L
" R, _4 i" H# L* J　　Disallow: /attachment/ 附件
6 ?8 S0 n: J  e: A3 ?7 ^. _1 I& S
4 P' F$ k( o0 B　　Disallow: /images/ 图片

; }% e7 t  X( i5 L/ X: P　　Disallow: /data/ 数据库文件
, \! F8 C2 T+ y& Z1 X' @6 ?2 H
　　Disallow: /template/ 模板文件

2 `; w4 g: E' m, _- m  ]$ k　　Disallow: /css/ 样式表文件
4 u+ I% W% e; P# m3 w
' k6 i) \' w6 C　　Disallow: /lang/ 编码文件

! m( j, I2 R" l1 M2 }　　Disallow: /script/ 脚本文件
$ d1 {4 n5 t+ K* h
/ p! E6 t$ z* R; H0 ]! ]　　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。

  H9 b  g7 l) S2 r" }* o　　4. robots.txt文件里还可以直接包括在sitemap文件的链接。就像这样：
: l7 X" Q6 W; g% B
　　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。