Robots.txt文件
分享
評論
贊0
Robots.txt對于任何一個從事SEO研究工作的人都是至關重要的，因為透過 Robots.txt 我們可以直接與搜索引擎蜘蛛進行對話，告訴他們哪些可以抓取，哪些不可以抓取。
一、為什么設置Robots.txt？
在進行SEO操作的時候，我們需要告訴搜索引擎哪些頁面重要哪些頁面不重要，重要的頁面讓蜘蛛進行抓取，不重要的頁面進行屏蔽可以減少網站服務器的負擔。
二、一些常見的問題和知識點
1、蜘蛛在發現一個網站的時候，第一步是抓取網站的Robots.txt文件（當然官方上是這么說的，有時候也會出現不遵守的情況）；
2、建議所有的網站都要設置Robots.txt文件，如果你認為網站上所有內容都是重要的，你可以建立一個空的robots.txt文件；
三、在robots.txt文件中設置網站地圖
你可以在robots.txt中添加網站的地圖，告訴蜘蛛網站地圖所在的地址。
四、Robots.txt的順序
在蜘蛛協議中，Disallow 與 Allow是有順序的，這是一個非常重要的問題，如果設置錯誤可能會導致抓取錯誤。
引擎蜘蛛程序會根據第一個匹配成功的Allow或Disallow行確定是否訪問某個URL，一個例子可以讓你更清楚明白：
1.User-agent: * 2.Allow: /seojc/bbs 3.Disallow: /seojc/ 這個情況下，蜘蛛/seojc/bbs目錄可以正常抓取，但/seojc/目錄的文件無法抓取。通過這種方式可以允許蜘蛛訪問特定目錄中的部分url。
我們對調下位置觀察一下。
1.User-agent: * 2.Disallow: /根目錄下的文件夾/ 3.Allow: /seojc/bbs /seojc/目錄出現在第一行，禁止抓取目錄下的所有文件，那么第二行的Allow就無效，因為第一行中已經禁止抓取seojc目錄下的所有文件，而 bbs目錄正好位于seowhy目錄下。因此匹配不成功。
五、Robots.txt路徑問題
在蜘蛛協議中，Allow和Disallow后面可以跟兩種路徑形式，即絕對鏈接、相對鏈接。絕對鏈接就是完整的URL形式，而相對鏈接只針對根目錄。這是重點記住。
六、斜杠問題
Disallow: /seojc表示禁止抓取seoic這個目錄下的所有文件，如seojc/1.html、seojc/rmjc.php；
Disallow: /seojc/ 表示禁止抓取seojc這個目錄，而seojc.1.html、seojc/rmjc.php是可以抓取的。
猜你喜歡
評論(0人參與，0條評論)
發布評論
最新評論