robots.txt

帅哥

[编辑本段]
% \2 Z3 M& K( |3 h2 P& B$ @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。
8 j8 g* V, @: X% s5 f: L& S
& L" a% P- t7 c% C4 ~* z0 h　　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。
; c5 T& a( _$ P& C3 _' U- B# \
　　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：
6 q! M5 ?# k! `! r5 b# W
　　• User-Agent: 适用下列规则的漫游器

　　• Disallow: 要拦截的网页
$ C5 E) x' ]3 O$ O4 r* d! E: i8 d[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。

9 }. X# w; O+ V5 R4 s& X$ V　　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。

, F$ e# c5 y' Y2 i- d% Q　　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 g* f: S! s5 c& e0 n+ y
( ~" U6 n8 N" z' N　　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) H: u+ ^: K5 B2 y
3 u. j, B5 Y) l# J2 o; Y) a! _　　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。
7 |1 m- Q% c3 X1 K, z- j' Z# H" q% D; \[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。

　　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。

) e/ {. j5 [6 a* g. D　　下面是VeryCMS里的robots.txt文件：
4 s. E1 g- R. A7 L! C+ {
9 ?  B; f; e) G& c! `　　User-agent: *
5 _# i* Z* C7 n6 n9 I9 Y$ d
" }: I  Y; o& |) Q* C  ]8 Z9 y　　Disallow: /admin/ 后台管理文件
: E. u0 @% _- F2 ]
　　Disallow: /require/ 程序文件
# h# Q+ \; q" Q$ O2 q: l
　　Disallow: /attachment/ 附件

1 v* v' j, L- d; W; U- ?1 E& K　　Disallow: /images/ 图片
& j9 f3 X: ^0 g! c6 j
　　Disallow: /data/ 数据库文件

　　Disallow: /template/ 模板文件

　　Disallow: /css/ 样式表文件
4 w4 d* F4 Z+ w9 N
4 \+ ~: J# H+ ^! Q1 H# X" j　　Disallow: /lang/ 编码文件

) d+ R0 |; P9 Q7 X　　Disallow: /script/ 脚本文件
9 @" k# h6 Y9 b; L2 u) _9 [
　　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。
+ S8 d: m, q4 M9 t+ M
4 i) b2 B: [* ]8 Q# m2 B8 n　　4. robots.txt文件里还可以直接包括在sitemap文件的链接。就像这样：

　　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。

& [, L$ {! e* ?5 u8 L; d5 K7 q　　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。