- 注册时间
- 2008-9-13
- 最后登录
- 1970-1-1
- 在线时间
- 0 小时
- 阅读权限
- 200
- 积分
- 0
- 帖子
- 24482
- 精华
- 4
- UID
- 9
|
[编辑本段]) {* c V; ]4 T3 \- ^
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。: Y& w) w6 `2 M% e* d. l' p
! p4 {3 c% J5 M# z0 B
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。
& C# j2 ]6 Z2 b9 \3 W
/ n% ~, ]# P! f 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。5 U8 {0 p# b7 S) ^4 C! z- s
" H0 u2 T0 p; ?
语法:最简单的 robots.txt 文件使用两条规则:2 R, i/ i+ Z: c) G) Z9 K. x
$ S! m6 c5 A( V; ]3 X; m
• User-Agent: 适用下列规则的漫游器 * s" c4 h! v' y, H* N9 X
' O4 H- X; j0 q& I. _ a
• Disallow: 要拦截的网页
7 j. S( r. b8 o( t[编辑本段]
, N. ]# r3 i+ Y" F: R7 mrobots.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。
& X- o* e3 V( n" r, Q+ M
. N0 F. g) p8 V# c j7 p% e" _3 a8 g 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。
9 ?3 Y. s" c# Y Y: U+ z' r0 s- z! J) j# K! U
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。
5 X$ D0 a; v( a4 d) r
6 a% C/ ?/ Q3 d1 i 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。+ b, P* M, z% Q! n
" A6 R' ~5 w7 N. p5 F3 v
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% z* u0 M- H
" s' @$ ~. k4 ]% S* a' u 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。7 B. r n u# e5 Z) @, F2 w& q( y
' B8 b$ @* {( y( c0 [7 G
如果这样的话,会导致整个网站不能被搜索引擎收录。
( n( g# }7 m8 q8 g& C2 E[编辑本段]
1 r2 i1 P5 @$ _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 P- r- c% A: ^* j' g
1 ^5 d$ D9 k3 y 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。8 b! O" X6 D5 p) k% L v
7 O4 O. E9 b) K7 D 下面是VeryCMS里的robots.txt文件:2 Z8 `; [8 }9 v7 o' h
( V/ w! X- g2 E9 x {" \
User-agent: *
3 i1 k7 d; u6 ]. M+ g, d, X. Q: Q. @; ]7 h% Z
Disallow: /admin/ 后台管理文件' }; {% e/ U9 J! M
: @) P8 F" M' F. O* f% n Q Disallow: /require/ 程序文件
7 x. t$ D' V( a8 G8 A. j" `, r. X6 z9 X3 s0 L& g
Disallow: /attachment/ 附件 D4 Y) f2 n, k1 h! V w( V
/ n2 U, X; V% o, d: u! s
Disallow: /images/ 图片
& y4 o/ d9 [9 z$ S$ G# ]
" W8 J0 }* M# B7 r! t& t5 X Disallow: /data/ 数据库文件
" g+ C5 M, D" L, I: g
5 [ r" X$ l& w. I3 X, u Disallow: /template/ 模板文件
) ^, S0 [* ~! H- c4 l3 M' a+ @
/ ?* ~; O5 h$ l$ Z/ L; o6 o Disallow: /css/ 样式表文件2 f5 s- o8 Y5 F5 A9 Y. j" o" j
) }% \% C2 O3 t# {2 t6 Z( G2 ^ Disallow: /lang/ 编码文件4 Q* u# w$ O, N! D% s5 i/ ]
* ]* ?9 _6 _7 m. C" e; h) @" H1 E Disallow: /script/ 脚本文件8 K& t; |3 y; O
! j! N" h! C8 l1 \ 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。
1 i( _( i" l$ `2 ]' i# `7 l3 Z1 y1 l6 y
4. robots.txt文件里还可以直接包括在sitemap文件的链接。就像这样:
# h& x6 j! l4 o6 ?6 L: I' ~! B- v8 o$ N( Z& `% l' B
Sitemap: http://www.***.com/sitemap.xml; `5 r9 v5 A* Z: k& s3 F7 [; S
- |( v" q( E0 u( S5 p 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。+ D7 j& ]. m9 Y
/ q+ Z- Y; Q' ? 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。 |
|