robots.txt

帅哥

[编辑本段]
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。
) A: m) e" C6 M1 o5 Q5 B# T" ?: [( R, j
　　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。

) C5 _) l! q( h" e$ \! R* @　　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。
6 o* _' e2 z' U" D5 Q; d* W
& H5 K- ?3 B. W6 g　　语法：最简单的 robots.txt 文件使用两条规则：
6 r, L' J2 K8 W
　　• User-Agent: 适用下列规则的漫游器
$ ^% h3 W' F5 a! F1 Y
　　• 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。

6 o2 d3 Q" k: Y  L+ ]　　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。
" s' \1 T8 M$ b0 g7 n# E+ O5 w2 B
　　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。
) o1 b4 Q2 M' q
　　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。

' \) _" F( ~( j. n+ L: d5 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。

& G' D. _+ X, I; u; u4 Y　　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。
6 K. K  J7 ?6 _+ T, _: }[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。

. H8 g% }+ F5 j' u& W　　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。
0 c0 ]* }; z- B7 L; N
: a* }7 {6 X* \8 f　　下面是VeryCMS里的robots.txt文件：
# n! B0 A+ \5 z, E5 Y
5 `8 ?- z/ ]$ g0 {　　User-agent: *

% J5 H# P, K) v& r- h. R/ U! ]  K6 R　　Disallow: /admin/ 后台管理文件

　　Disallow: /require/ 程序文件
) g+ ^& Z' `& K- e/ S
　　Disallow: /attachment/ 附件
. c* j- f! }- G5 t
　　Disallow: /images/ 图片

) y3 y! A5 L2 O. `: C) {8 p( n　　Disallow: /data/ 数据库文件

　　Disallow: /template/ 模板文件
" R; `, W' s& p* S. v& @& }9 m
　　Disallow: /css/ 样式表文件

2 H0 ?- v5 d% K; T　　Disallow: /lang/ 编码文件
5 e! l& i0 Q5 `2 K
+ q- o4 ^7 W& S( V' U$ Z$ |　　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。

　　4. robots.txt文件里还可以直接包括在sitemap文件的链接。就像这样：

4 w+ T8 h, R5 ]. e　　Sitemap: http://www.***.com/sitemap.xml

# b3 w( z2 a8 L. r0 D　　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 E1 G: L- Y& S6 ~' p4 y& J, X　　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。