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。
& C# j2 ]6 Z2 b9 \3 W
/ n% ~, ]# P! f　　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：

　　• User-Agent: 适用下列规则的漫游器

　　• Disallow: 要拦截的网页
7 j. S( r. b8 o( t[编辑本段]
, N. ]# r3 i+ Y" F: R7 mrobots.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。
& X- o* e3 V( n" r, Q+ M
. N0 F. g) p8 V# c  j7 p% e" _3 a8 g　　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。
9 ?3 Y. s" c# Y  Y: U
　　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。
5 X$ D0 a; v( a4 d) r
6 a% C/ ?/ Q3 d1 i　　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。

" s' @$ ~. k4 ]% S* a' u　　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。
( n( g# }7 m8 q8 g& C2 E[编辑本段]
1 r2 i1 P5 @$ _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。

1 ^5 d$ D9 k3 y　　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。

7 O4 O. E9 b) K7 D　　下面是VeryCMS里的robots.txt文件：

　　User-agent: *
3 i1 k7 d; u6 ]. M+ g, d
　　Disallow: /admin/ 后台管理文件

: @) P8 F" M' F. O* f% n  Q　　Disallow: /require/ 程序文件
7 x. t$ D' V( a8 G8 A
　　Disallow: /attachment/ 附件

　　Disallow: /images/ 图片
& y4 o/ d9 [9 z$ S$ G# ]
" W8 J0 }* M# B7 r! t& t5 X　　Disallow: /data/ 数据库文件
" g+ C5 M, D" L, I: g
5 [  r" X$ l& w. I3 X, u　　Disallow: /template/ 模板文件
) ^, S0 [* ~! H- c4 l3 M' a+ @
/ ?* ~; O5 h$ l$ Z/ L; o6 o　　Disallow: /css/ 样式表文件

) }% \% C2 O3 t# {2 t6 Z( G2 ^　　Disallow: /lang/ 编码文件

* ]* ?9 _6 _7 m. C" e; h) @" H1 E　　Disallow: /script/ 脚本文件

! j! N" h! C8 l1 \　　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 i( _( i" l$ `2 ]
　　4. robots.txt文件里还可以直接包括在sitemap文件的链接。就像这样：
# h& x6 j! l4 o6 ?6 L: I
　　Sitemap: http://www.***.com/sitemap.xml

- |( v" q( E0 u( S5 p　　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。

/ q+ Z- Y; 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。