robots.txt

帅哥

[编辑本段]
9 t/ l' W" N  Q& v0 K; 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。
9 R6 d7 P$ e3 C0 {- ^
　　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。
9 R, w8 ?* r- n" ~/ o
　　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：
* j8 n+ L$ s% y8 r7 j" C8 q
5 @2 D& L# e" s　　• User-Agent: 适用下列规则的漫游器
% U* R/ h. J; d  o3 P* Z
- a$ R# K6 F5 s　　• Disallow: 要拦截的网页
[编辑本段]
: @% O2 H7 v; ^# K% `, O; s  I6 _robots.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。

　　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。

$ M6 m- m' a5 M; 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。
  e2 l9 t) I+ @0 d8 ~
　　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。
! L, u* D/ k7 x, w5 ]/ O4 A
- f' K# c: M( {' i- E$ g　　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。
* N- Z: E3 w2 P' n& N3 r  Q+ }
　　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。
) H- @. T* F- \. N/ j- w5 ^% Q: @
　　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。
0 ]/ z9 O2 i1 y  p
　　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。

; w  _' w& n6 t! g; }　　下面是VeryCMS里的robots.txt文件：
7 t8 C  d' g/ `  k2 E" E* y
$ V) Y9 E+ f# Y. r. H　　User-agent: *

　　Disallow: /admin/ 后台管理文件
# f) Q5 }; `: i  _' F
　　Disallow: /require/ 程序文件
/ m, i1 K5 W* n  Y/ p
& n% N* _- @5 T4 M* v4 J  H/ W+ c% ^& u　　Disallow: /attachment/ 附件

　　Disallow: /images/ 图片

　　Disallow: /data/ 数据库文件

　　Disallow: /template/ 模板文件
/ R, l$ ?% X- `5 r& H; J, H' V
" t0 ?/ N) D* F1 z0 B' P1 l# x( o. |　　Disallow: /css/ 样式表文件

　　Disallow: /lang/ 编码文件

　　Disallow: /script/ 脚本文件
2 k3 u' F' G% p+ P# l# Z
: {7 G* l) K) `& J2 O( g　　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。
8 |. F" d* X7 g/ ]# W1 g- a# r
- f) g1 B0 F4 e! a　　4. robots.txt文件里还可以直接包括在sitemap文件的链接。就像这样：
' j( M3 ]0 Y; j9 ?" R
　　Sitemap: http://www.***.com/sitemap.xml

" \7 T/ f! k4 ^: M　　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。
2 I# S, p  p, I3 e6 N( E( c
# E: `8 @4 e6 w( F( Q9 A$ \　　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。