robots.txt

帅哥

[编辑本段]
% H% L6 p, k. r: f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。
6 F9 F8 d4 L+ t3 f( B$ l2 e
　　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：
) i" }: d. }& X8 a' I+ K
　　• User-Agent: 适用下列规则的漫游器
+ s- i4 v/ {6 A% p9 R
; E' M, \" D0 s　　• Disallow: 要拦截的网页
[编辑本段]
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。

7 `  @! O$ @9 S9 v) {! 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。

( u5 c3 `9 o' J5 ^　　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。
4 D5 _/ E( _/ `1 G* T& B9 g& q4 j
　　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。
) x5 V- Q4 W+ F4 N' z
9 [- ]9 P' `& S/ ~# |/ Y$ K! S　　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。

　　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]
) [, e) s0 {% F( b" 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。
, X6 W' C" g! G  c5 N5 b, u
　　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。
& t7 j6 u$ J9 y$ b! ]) }2 E) j; M
9 d* y9 [+ @9 `& c　　下面是VeryCMS里的robots.txt文件：

　　User-agent: *
. V- t. e' E  w
　　Disallow: /admin/ 后台管理文件
( X' N' J2 ~( E! n1 }% v' e" T
8 A$ Q9 ^$ Q% M+ ^4 }& b! l5 A, F　　Disallow: /require/ 程序文件

  ]% r  h- [& q　　Disallow: /attachment/ 附件

　　Disallow: /images/ 图片

  A4 O  Z" Z. [5 G　　Disallow: /data/ 数据库文件

, X% }* K- u: b　　Disallow: /template/ 模板文件
+ n, Y( `4 ^- c  R4 P& J
　　Disallow: /css/ 样式表文件
( s% S( Z8 U; x6 H* M( B5 D
　　Disallow: /lang/ 编码文件
7 s$ P0 o& C4 ]. a; J& q" P. t* A
1 I; j0 b# U4 V7 j　　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。
2 u! j8 ^+ E8 C, c4 c6 e
　　4. robots.txt文件里还可以直接包括在sitemap文件的链接。就像这样：

& H5 Z7 G( x7 H; V* ?# x0 o　　Sitemap: http://www.***.com/sitemap.xml

; B7 e9 d) |9 C4 s　　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。
3 K: g$ M+ z( ]9 `3 A7 M
. o2 _8 ~9 X& x( s: 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。