robots.txt

帅哥

[编辑本段]
+ x, C- Q4 @* Z- d+ u+ Q% ]8 R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。

$ ?3 x; t2 ?( ^  C　　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。
: r  J* M0 h' r
5 Q( T, u" Z: H　　语法：最简单的 robots.txt 文件使用两条规则：
  R3 Y. z2 R+ Z, j. l
5 s+ K0 y3 I9 P' J9 z　　• User-Agent: 适用下列规则的漫游器

9 z0 v- V/ M! B, t  W　　• Disallow: 要拦截的网页
4 f9 k. T* Q& X" K$ s/ ]8 E[编辑本段]
& |1 u$ }( z  P! Jrobots.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。

8 g$ ]+ j% v( Q- Z6 o3 p: w6 Y* @　　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 n, |, m( R1 a6 L  |
+ X) b2 A& e+ S% m　　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。
3 P7 F6 g* i2 @( p* _
　　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。
4 r3 Y9 |# j" [4 ]0 u2 n2 [
　　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。
* l/ W3 @: W9 C8 J) u
7 S' H& e; L% ^4 R7 j, t　　如果这样的话，会导致整个网站不能被搜索引擎收录。
# Z3 S8 X, i$ m7 l/ `% {9 }" v1 F[编辑本段]
* M. Q- S" h& F; o1 Q1 }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。

- e% N  A+ ?) e7 l; h0 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。
) R6 K; `+ x& E3 W
. M. `" s& L7 G. ~2 f) f9 q$ e" l　　下面是VeryCMS里的robots.txt文件：

2 @; K( C$ y$ [　　User-agent: *
; [- K. U# v$ h# l% r8 ^
　　Disallow: /admin/ 后台管理文件
! t: o1 F- o& a0 q
　　Disallow: /require/ 程序文件

　　Disallow: /attachment/ 附件
* s8 z, p1 ]; S, M0 k- Z5 S6 l
　　Disallow: /images/ 图片
7 Y$ n3 D2 K. K, d
　　Disallow: /data/ 数据库文件
! S. t2 s+ b1 P# O! b
　　Disallow: /template/ 模板文件
/ h* O$ w0 `1 P; `( k  `
+ k/ T7 H! P  D8 Y8 i6 J　　Disallow: /css/ 样式表文件
  m3 j  |/ B$ \$ N# f3 `
0 U% D5 I1 x( O4 t! }　　Disallow: /lang/ 编码文件

0 p$ _3 Q! ~/ {　　Disallow: /script/ 脚本文件
: K, a! \& z( @! ^) u+ Q
/ L9 x2 c! i4 ~" S2 l- s　　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。
, t; C2 V2 S" @
9 m+ {! H9 e, K. M5 N* S' y- F, d( M　　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 N; h5 K) T; I& w5 E
. I9 g2 \- @4 |4 r! r　　Sitemap: http://www.***.com/sitemap.xml
6 e. \# A! T4 T5 G% o' ?. t! L& C
　　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。
$ m) h- v: a& L& I7 V; s
　　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。