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。
! j9 s% Y  a$ l) [: 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。

! x/ f" R) k: W# p1 Q1 w  O　　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。
9 y4 d& {7 j* W) G! w9 v: _4 D
. s' _3 C# P- R& f. M; w3 Z　　语法：最简单的 robots.txt 文件使用两条规则：
- B+ e* K: h/ j2 U
　　• User-Agent: 适用下列规则的漫游器

　　• Disallow: 要拦截的网页
& S9 A/ p1 ^% W1 `' x- l* l[编辑本段]
0 c& }6 {- o9 ^) J# 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。
7 W' Q$ L9 t- M; |/ O$ J
　　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。

- y$ C, H( Y5 W) {. {6 G　　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。

2 A' C$ W" Z+ O! s* l4 e　　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。
9 S# V! w) I) e
　　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。
  i+ r3 f. C8 l0 \5 m
" u% I! k* h  `% m4 o　　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。
# e7 P7 _) r1 k[编辑本段]
% |2 \  b; r& \( R4 f+ X( G7 G# }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。

7 m* y5 G0 m% ^( p　　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。
6 k1 B, `3 Z* i1 T) D; M4 \
1 o0 C7 v" d! s- F　　下面是VeryCMS里的robots.txt文件：
, `3 d" a& @  F7 _, _8 X
3 K# j2 h/ F) z" u* a( g　　User-agent: *
( D  J9 h5 I, d6 B: E& u
: r7 A( a& t! P7 V( I# e$ i　　Disallow: /admin/ 后台管理文件
0 v% V+ @9 L& l. w$ F1 d
0 D, T- \. P7 g3 A& a% M1 u　　Disallow: /require/ 程序文件

　　Disallow: /attachment/ 附件

　　Disallow: /images/ 图片

　　Disallow: /data/ 数据库文件

　　Disallow: /template/ 模板文件

  [5 g3 ]# n' M/ S+ \4 H( m6 v　　Disallow: /css/ 样式表文件
5 U' {, ~$ _1 M' r
　　Disallow: /lang/ 编码文件

( H5 ]) Q3 G1 _- g　　Disallow: /script/ 脚本文件
- U: ]. z( k! h
　　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。

) g' _7 x# J: [# _! e! 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：
' s" d* m& O9 W" w& J
; X/ Q4 w5 O0 y) o3 h　　Sitemap: http://www.***.com/sitemap.xml
/ d; ?: ~; i; J8 P9 k" d, S% W- |& a
, r& Z0 t% S, }! Y1 ^) j# s" 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。
3 D' r8 q" z7 q2 u
5 R& [, a( T2 u! ^　　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。