- 注册时间
- 2008-9-13
- 最后登录
- 1970-1-1
- 在线时间
- 0 小时
- 阅读权限
- 200
- 积分
- 0
- 帖子
- 24482
- 精华
- 4
- UID
- 9
  
|
[编辑本段]6 |; R2 w3 B; u$ 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。
) A: m) e" C6 M1 o5 Q5 B# T" ?: [( R, j+ N& M0 T% C4 w2 A+ J2 r1 t
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。; i9 l; {& t- \$ Q1 ^& R- ]
) 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% R7 J! X$ E j3 k0 a1 ^, i
• User-Agent: 适用下列规则的漫游器
$ ^% h3 W' F5 a! F1 Y7 R( e7 V) N: d% S1 u- t+ `2 _
• Disallow: 要拦截的网页 9 u/ k9 K; C9 W' {7 i9 P
[编辑本段]- @! {9 ?3 y7 ~% r9 [$ e; _
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 ?. G$ k$ i7 e. r! K
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) \2 S) M) j' s$ E% g" D V
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' q5 _, U/ Y- v3 P8 t
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& V$ L# r" M% C! Z$ N
' \) _" 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。+ ~; w9 s4 x, f
& 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。& g. V) K$ H" N
/ V J8 U1 W* n( m7 j8 J
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]7 G9 Y# D, T/ D7 V+ K
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。/ x6 |7 o( k/ C2 w/ a2 S
. 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: *% Y( b8 y( A% A1 r: Z
% J5 H# P, K) v& r- h. R/ U! ] K6 R Disallow: /admin/ 后台管理文件 c+ Z1 V) P$ o& Z: v0 \# |
( ]& Q' H6 r1 @2 W
Disallow: /require/ 程序文件
) g+ ^& Z' `& K- e/ S5 Y9 C- X( d% d- s, A5 V' t2 l7 E8 O+ b( P
Disallow: /attachment/ 附件
. c* j- f! }- G5 t3 m/ Q! Z" J& M `
Disallow: /images/ 图片# q ~/ m3 {. C/ v0 T1 M1 M
) y3 y! A5 L2 O. `: C) {8 p( n Disallow: /data/ 数据库文件, z% V7 W# G, a+ z# W* s, B) O- c
1 R& |! F- z& d: X
Disallow: /template/ 模板文件
" R; `, W' s& p* S. v& @& }9 m6 b) g5 Q0 M' H: `% g& P, L
Disallow: /css/ 样式表文件3 h$ J5 a7 U) A+ Y, M
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1 c+ Y+ j5 Y# \
: `! n! k$ k5 p/ D3 L- F! _: q8 M
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。1 C. o7 m: S7 N( s8 U# Z' S
: J/ K$ l' l4 _/ l9 h' `
4. robots.txt文件里还可以直接包括在sitemap文件的链接。就像这样:1 f* J! W; q; J J; H. k( p% L
4 w+ T8 h, R5 ]. e Sitemap: http://www.***.com/sitemap.xml+ I& U$ m4 D' _: f! j
# 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。* H. I, _; a; ?1 }1 p/ C% x4 i
{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。 |
|