robots.txt

帅哥

[编辑本段]
3 d; h% y8 _1 |& q& X! j* C# g" Y% 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。

　　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。

1 [% _+ W. `; U8 c2 v$ m　　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：

5 t3 {9 z( A: w　　• User-Agent: 适用下列规则的漫游器
% U+ @! R, d( H- v8 `) ]- ?
　　• Disallow: 要拦截的网页
# F% k: }. ^7 e1 K[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。

5 U  @. b0 @) r7 s* O; v& R　　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。

( N) A1 l0 P0 h% D" _　　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。
7 V, l  F3 N% r' Y
9 q8 }, A% s) p* Z9 e% f" R　　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。
+ {/ b. |  O7 A( D) }+ t7 c% \
　　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。
% K! n4 ^' v0 K' i
% q  `. q/ X8 O/ K8 r; ~　　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。
2 s6 T& U" v& x# K; A! k
* \( D. O6 m/ ^8 i6 g　　如果这样的话，会导致整个网站不能被搜索引擎收录。
! q6 f# M* i! y0 R' l/ W8 h[编辑本段]
3 F% S; _# Z3 Q; H  H9 H7 drobots.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 i4 N- K( ?8 G7 a# ~  y5 a
+ e* _6 F5 W( j' H$ \. W* c2 @2 ^　　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。
$ m; w! c+ h8 g. X: ]
　　下面是VeryCMS里的robots.txt文件：

　　User-agent: *
! S7 i( q$ ?8 H/ C# ~4 ~) K: K
8 B" ~4 U( i4 p# U　　Disallow: /admin/ 后台管理文件
9 z; I5 g* G9 Z% k% I5 h" U
' k. l% t: N" f, p! I　　Disallow: /require/ 程序文件
; t  f0 e% B& E1 ^
" B4 \6 E. C* G; u　　Disallow: /attachment/ 附件
$ E" c& v$ L/ n4 N% @
　　Disallow: /images/ 图片
& o  w6 q6 X2 Z  p" Q! S
　　Disallow: /data/ 数据库文件
7 D: N$ R; ^, L
% j2 K, R" i, `　　Disallow: /template/ 模板文件

4 t9 |2 Q( X# q0 e　　Disallow: /css/ 样式表文件

# o, [6 |+ b. O9 n$ ]　　Disallow: /lang/ 编码文件
+ j- D1 h1 I9 ?" M
: G% R+ P  x& w* J+ J+ b9 l　　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：
  i: u7 o  H/ r$ l: X
　　Sitemap: http://www.***.com/sitemap.xml
+ w+ Q9 ^7 n  X0 ~# E0 I8 _" Q
. ^, M: g. ]& P　　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。
& i( [7 o: P8 ?0 t
6 R3 t- w* g+ d( A4 C$ R- 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。