robots.txt

帅哥

[编辑本段]
! y" @% r5 @, N0 O* N! @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。

% ^: }- e- I8 @6 W　　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。

/ W9 K* }" f- G- n# K　　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。

2 P, Q! `' r4 ?　　语法：最简单的 robots.txt 文件使用两条规则：
8 x' t( I1 n/ d
% H( b2 e4 ]+ Z" j. ?  t　　• User-Agent: 适用下列规则的漫游器
& d" z1 g$ ^2 [  J; a/ V
　　• Disallow: 要拦截的网页
' |' F$ H6 t+ f( F: y0 n[编辑本段]
; _# B9 K7 [$ z+ q. F* o6 Urobots.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。

( j# Z  ?# i+ _0 T0 P0 c8 F" d　　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。

5 G6 T* F3 q4 C# l  V" A$ N　　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。

0 j5 L9 T+ I* [1 U" V　　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。

　　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。

# `1 m: |7 ^2 L' c, v　　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。
/ x9 w+ g8 ^# b6 }0 C8 _9 Q9 |[编辑本段]
6 b5 v5 F+ N! H" ]7 s% h! i5 Orobots.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。
7 _( X: Y* r+ F3 i; B7 m' @% N
　　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：

/ O1 o2 y. I9 K8 J! I7 R  f　　User-agent: *
! u+ H9 m7 T& ?/ V) \
　　Disallow: /admin/ 后台管理文件

1 v' r  W/ P: Z2 g1 s1 Z- b6 U; M　　Disallow: /require/ 程序文件
& G5 v* B: C7 {# A" g6 m/ a
　　Disallow: /attachment/ 附件

9 m( f: ?7 E. u( s$ ]- Y　　Disallow: /images/ 图片
& \  Z: V: V$ r, a
# T: O7 p" L4 [# S( t* F: E! r　　Disallow: /data/ 数据库文件

　　Disallow: /template/ 模板文件
5 E9 Y( ~* I0 R9 |2 Y, J: W" E
# }/ B0 i( U/ K, a+ A　　Disallow: /css/ 样式表文件

　　Disallow: /lang/ 编码文件
) t4 Q, G: {4 Q3 g
6 r  N0 H7 C  k: k+ z3 J# i5 l　　Disallow: /script/ 脚本文件

7 i, ^8 a- G& R# C* a' ^' p" ?　　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 V. g4 `$ x# A2 v( N
. T9 i7 v+ c# A( ]4 d# u: b　　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 {6 F3 U$ Y. T　　Sitemap: http://www.***.com/sitemap.xml
( I0 j* v  o" n5 f! k
　　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。
( T/ t: n- U+ _0 H
5 N( P$ |; k) T9 f　　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。