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。

　　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。
0 U# v8 o4 t* q) ?4 |- _" v) g
　　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。

3 D% m' W2 _5 w# ~" Q* B: n+ K  [　　语法：最简单的 robots.txt 文件使用两条规则：
7 N  \& ^8 Z, V$ s" u% d& H
　　• User-Agent: 适用下列规则的漫游器

　　• 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。

  D5 ^4 J! w* \+ ]8 I% 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。

2 C) t* o: l4 x7 O　　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。
1 [  B; w$ Y9 Q5 d+ M5 b
　　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。
3 J/ l; B/ \- G8 u2 A' u& z
　　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。

. R. [4 Z& 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。
- J9 t9 ]8 D, V# u! N4 N9 T
　　如果这样的话，会导致整个网站不能被搜索引擎收录。
! c* a2 ^) K; o( s+ V4 B6 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。
$ V) ^. q/ h' O+ S
, c  e% _1 ^* ]/ i1 J- i　　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：

　　User-agent: *
, q$ s1 F" L; G, ]. \5 {& |
　　Disallow: /admin/ 后台管理文件
$ H, S) h) N: o4 p
　　Disallow: /require/ 程序文件

　　Disallow: /attachment/ 附件

　　Disallow: /images/ 图片

$ j  n, x9 z; @1 n　　Disallow: /data/ 数据库文件
5 k- \' k5 ~& T& [2 w. z2 D' O
　　Disallow: /template/ 模板文件
0 c2 N# a( E! d4 P
3 v" D0 i4 W  q! {# H! V　　Disallow: /css/ 样式表文件

0 j4 F+ N5 z2 j! v; E) J　　Disallow: /lang/ 编码文件

5 K' I4 A! I: O, S' S9 R) M# j2 W$ ~　　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。

1 b0 o3 j  s" _$ v　　4. robots.txt文件里还可以直接包括在sitemap文件的链接。就像这样：
9 r! Y! H- A; H6 Q" N
: Q  y5 B$ h6 X; z, |+ _. @% n6 A　　Sitemap: http://www.***.com/sitemap.xml

　　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。
/ `' ?5 P7 K  }/ I& p
　　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。