robots.txt

帅哥

[编辑本段]
+ E1 _, b+ v! B+ N4 i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。

( X; O  K, x6 }( Q3 e' b　　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。

　　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：
* P' E! {  V4 L9 n8 _% k. p" N
　　• User-Agent: 适用下列规则的漫游器

6 c; Q# L4 G# v$ b　　• Disallow: 要拦截的网页
[编辑本段]
) ~; o- X3 r1 [8 ?7 q5 _4 Zrobots.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。

( @  d/ Y! K" X) O1 ^1 I( B　　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。
" H( u; y1 J  B) I# X
　　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。

　　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。

　　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。

3 i  }! G% C( J3 x& I. N　　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。

/ |* X' P' N* T% O　　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]
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。

　　下面是VeryCMS里的robots.txt文件：

　　User-agent: *
7 k( S! O* U( f/ Y2 a8 i
　　Disallow: /admin/ 后台管理文件
5 S  h1 m( E5 ]9 P' w
6 i, V$ w2 _5 E# q% j1 B$ f$ Q- s6 o1 S　　Disallow: /require/ 程序文件

& T3 ]* j7 g7 @. {1 n　　Disallow: /attachment/ 附件

! W# `, F- |( V8 C' s　　Disallow: /images/ 图片
1 N, [3 {0 p% H' a, f# @* J; z
5 B; [7 P( Z, V/ z* N　　Disallow: /data/ 数据库文件
6 C- E0 o  ]! X" T8 o( J. v& o
; a$ R+ @6 g, |　　Disallow: /template/ 模板文件
5 G$ O. o  L( v& V! T* d1 H( Z+ |
' Z4 o' @; ~' T' S. a6 p( r　　Disallow: /css/ 样式表文件
$ R, k& t3 y: T
$ q  u- ~; G9 C; H6 ^. J% G　　Disallow: /lang/ 编码文件

　　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。
# U1 ]% ~- d3 s" s! a
　　4. robots.txt文件里还可以直接包括在sitemap文件的链接。就像这样：
( J. U2 T# ]% v2 V& Q( }2 ]+ D* @
　　Sitemap: http://www.***.com/sitemap.xml
" {" ^0 {  M2 ^" D
　　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。

. }& @) x$ m# R( K& }! M8 x　　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。