前幾天有朋友在網(wǎng)站通過聊天窗口問苦丁，有什么什么辦法阻止搜索引擎的收錄，因為自己網(wǎng)站上面有的東西不想被搜索引擎收錄。其實是可以實現(xiàn)的，在這里就有必要好好介紹一下robots.txt文件，因為通過這個robots.txt全完可以實現(xiàn)搜索引擎收錄的問題。

　　其實不管是企業(yè)網(wǎng)站還是門戶網(wǎng)站，上面都會有些資料是保密而不對外公開的。怎么樣做到不對外公開呢？唯一的保密的措施就是不讓搜索引擎來搜錄這些信息。這 樣就會不在網(wǎng)絡(luò)上公司，那么要實現(xiàn)這個網(wǎng)站頁面不收錄，就體了robots.txt的作用啦！robots.txt是一個簡單的記事本文件，這是網(wǎng)站管理 員和搜錄引擎對話的一個通道。在這個文件中網(wǎng)站管理者可以聲明該網(wǎng)站中不想被robots訪問的部分，或者指定搜索引擎只收錄指定的內(nèi)容。

　　當(dāng)一個搜索機器人（有的叫搜索蜘蛛）訪問一個站點時，它會首先檢查該站點根目錄下是否存在robots.txt，如果存在，搜索機器人就會按照該文件中的內(nèi)容來確定訪問的范圍；如果該文件不存在，那么搜索機器人就沿著鏈接抓取。

　　既然我們這里知道了什么是robots.txt，我們該如何來應(yīng)用呢？

　　1、如果我們網(wǎng)站的內(nèi)容為全部公開，則不需要要設(shè)置robots.txt或robots.txt為空就可以啦。

　　2、robots.txt這個文件名必需要是小寫而且都要放在網(wǎng)站的根目錄下http://www.xxxxx.com/robots.txt一般要通過這種URL形式能訪問到，才說明我們放的位置是正確的。

　　3、robots.txt一般只寫上兩種函數(shù)：User-agent和 Disallow。有幾個禁止，就得有幾個Disallow函數(shù)，并分行描述。

　　4、至少要有一個Disallow函數(shù)，如果都允許收錄，則寫: Disallow: ，如果都不允許收錄，則寫:Disallow: /  （注：只是差一個斜桿）。

　　寫法說明

　　User-agent: *  星號說明允許所有搜索引擎收錄

　　Disallow: /search.html   說明 http://www.xxxxx.com/search.html 這個頁面禁止搜索引擎抓取。

　　Disallow: /index.php?   說明類似這樣的頁面http://www.www.xxxxx.com/index.php?search=%E5%A5%BD&action=search&searchcategory=%25 禁止搜索引擎抓取。

　　常見的用法實例：

　　允許所有的robot訪問

　　User-agent: *

　　Disallow:

　　或者也可以建一個空文件 “/robots.txt” file

　　禁止所有搜索引擎訪問網(wǎng)站的任何部分

　　User-agent: *

　　Disallow: /

　　禁止所有搜索引擎訪問網(wǎng)站的幾個部分（下例中的01、02、03目錄）

　　User-agent: *

　　Disallow: /01/

　　Disallow: /02/

　　Disallow: /03/

　　禁止某個搜索引擎的訪問（下例中的BadBot）

　　User-agent: BadBot

　　Disallow: /

　　只允許某個搜索引擎的訪問（下例中的Crawler）

　　User-agent: Crawler

　　Disallow:

　　User-agent: *

　　Disallow: /

　　另外，我覺得有必要進行拓展說明，對robots meta進行一些介紹：

　　Robots META標(biāo)簽則主要是針對一個個具體的頁面。和其他的META標(biāo)簽（如使用的語言、頁面的描述、關(guān)鍵詞等）一樣，Robots META標(biāo)簽也是放在頁面的＜head＞＜/head＞中，專門用來告訴搜索引擎ROBOTS如何抓取該頁的內(nèi)容。

　　Robots META標(biāo)簽的寫法：

　　Robots META標(biāo)簽中沒有大小寫之分，name=”Robots”表示所有的搜索引擎，可以針對某個具體搜索引擎寫為name=”BaiduSpider”。 content部分有四個指令選項：index、noindex、follow、nofollow，指令間以“,”分隔。

　　INDEX 指令告訴搜索機器人抓取該頁面；

　　FOLLOW 指令表示搜索機器人可以沿著該頁面上的鏈接繼續(xù)抓取下去；

　　Robots Meta標(biāo)簽的缺省值是INDEX和FOLLOW，只有inktomi除外，對于它，缺省值是INDEX,NOFOLLOW。

　　這樣，一共有四種組合：

　　＜META NAME=”ROBOTS” CONTENT=”INDEX,FOLLOW”＞

　　＜META NAME=”ROBOTS” CONTENT=”NOINDEX,FOLLOW”＞

　　＜META NAME=”ROBOTS” CONTENT=”INDEX,NOFOLLOW”＞

　　＜META NAME=”ROBOTS” CONTENT=”NOINDEX,NOFOLLOW”＞

　　其中

　　＜META NAME=”ROBOTS” CONTENT=”INDEX,FOLLOW”＞可以寫成＜META NAME=”ROBOTS” CONTENT=”ALL”＞；

　　＜META NAME=”ROBOTS” CONTENT=”NOINDEX,NOFOLLOW”＞可以寫成＜META NAME=”ROBOTS” CONTENT=”NONE”＞

　　目前看來，絕大多數(shù)的搜索引擎機器人都遵守robots.txt的規(guī)則，而對于Robots META標(biāo)簽，目前支持的并不多，但是正在逐漸增加，如著名搜索引擎GOOGLE就完全支持，而且GOOGLE還增加了一個指令“archive”，可以限制GOOGLE是否保留網(wǎng)頁快照。例如：

　　＜META NAME=”googlebot” CONTENT=”index,follow,noarchive”＞

　　表示抓取該站點中頁面并沿著頁面中鏈接抓取，但是不在GOOLGE上保留該頁面的網(wǎng)頁快照。

　　robots.txt文件對于我們做SEO的朋友來說也是經(jīng)常要用到的，所以我們還要好好了解他的具體操作方法。苦丁分享