robots.txt

帅哥

[编辑本段]
( d  r* ~3 k: W0 G" o4 }- 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。

　　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。

　　语法：最简单的 robots.txt 文件使用两条规则：

5 c$ `& _3 o/ W1 }5 N( {5 f　　• User-Agent: 适用下列规则的漫游器

　　• Disallow: 要拦截的网页
[编辑本段]
+ A* c, b. Z+ D& v5 erobots.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。

; l1 W0 {- d# k6 i　　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$ G: k  s; \5 a' O
　　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。
( z$ e/ k+ V" `4 J) a5 w+ s$ X
　　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。

/ l* Y1 m5 r: r3 y　　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]
; r# \% \  Z- ?) O3 urobots.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：

) K1 d6 l. K2 m1 k　　User-agent: *
# h. K3 T5 T3 M8 Y/ f0 Y
! H) c2 C) {$ V9 c# c　　Disallow: /admin/ 后台管理文件
2 Z" i. F( T/ L# h) ^! T6 t  W9 V
　　Disallow: /require/ 程序文件

- V  {1 Q1 T5 V3 D7 g+ _　　Disallow: /attachment/ 附件
9 @9 S/ R: P8 h) s' O
4 n" \& O  X/ C' D# @　　Disallow: /images/ 图片
6 ]; B3 F( i6 C4 C3 |1 D' \- @5 r
" |" V$ w! K3 }$ t　　Disallow: /data/ 数据库文件
8 A7 E' P8 z6 I* a" ~! l: b9 Q/ Z/ d
; g3 H- G  v2 E) Z" N. E) ~　　Disallow: /template/ 模板文件
2 U9 I: o/ F! m5 I# }
6 x5 H0 H3 [# ^- a　　Disallow: /css/ 样式表文件
: Q1 F3 k& }! t; B# `: I6 u" G1 g/ e
! h2 }3 X, h4 {; E) H+ }　　Disallow: /lang/ 编码文件
1 b8 l  n, m" K# r+ Y" o) H
5 }) M8 p5 N+ V　　Disallow: /script/ 脚本文件

　　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。
# r% c$ P# i8 E9 h4 v4 u
　　4. robots.txt文件里还可以直接包括在sitemap文件的链接。就像这样：

　　Sitemap: http://www.***.com/sitemap.xml

1 c" K; c+ H. F# }* |　　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。