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。
) R! m- Y4 L$ W6 ]9 K, L* V; v
6 P4 |3 q$ _4 l' D* n　　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。
) M" J5 c7 i% ]1 o" ]. Y) }7 I& [
　　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：
+ z" C5 G5 U9 q: Y# z* L
: g0 G3 m3 |$ V2 g$ W$ T( R　　• User-Agent: 适用下列规则的漫游器
" U' B) X5 O. ~4 a, E
( J+ w4 @1 ]( G4 p& M2 O　　• Disallow: 要拦截的网页
3 p  c; {% F- a9 C  y1 }[编辑本段]
+ @) M$ u6 w$ T6 ^5 wrobots.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。

) V4 _+ L" \' S　　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。

　　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。
3 i$ ?% ?# u- J9 c+ v6 u
) W( r0 \2 ]  k; z- ~" |　　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。
  w8 g4 |8 d0 |8 [$ {4 N
8 p+ [, i- c) b6 e6 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。

/ e3 k' |* X9 J7 u- b$ M9 u5 e; p　　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。
[编辑本段]
" ~( _/ X3 A$ c! ~1 R) grobots.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。
$ ]  k% R  x7 B. i- S1 R" c
0 w! I" B8 X' W% h" E8 P+ r　　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：
7 R. i$ o! A" m& y+ {7 ]' t
, r6 k. Y$ ]7 w　　User-agent: *

　　Disallow: /admin/ 后台管理文件
7 S$ S+ ?9 o$ l2 b8 l3 }7 C
　　Disallow: /require/ 程序文件
# C5 T3 G2 D8 l, ?0 }/ N/ A
+ q# D3 J1 w' A# i& Q$ ]. O' @　　Disallow: /attachment/ 附件

　　Disallow: /images/ 图片

9 g' M) f" M% @, G& n　　Disallow: /data/ 数据库文件

) w$ W9 ~- u) Y8 k8 G% g　　Disallow: /template/ 模板文件

　　Disallow: /css/ 样式表文件

　　Disallow: /lang/ 编码文件

/ K6 [. i! y. m& w" C　　Disallow: /script/ 脚本文件

" ~. B6 z6 m1 M% M: _( L　　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：
. E5 k7 N# c+ S, }
　　Sitemap: http://www.***.com/sitemap.xml
# x: \, E; u9 c
% j/ e- ~! P' ?. q( Y9 y. V& W% h& J& L　　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。

$ w( i6 d$ Z4 J0 @　　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。