<code id="6mcsu"></code>
<li id="6mcsu"></li>
<li id="6mcsu"><dl id="6mcsu"></dl></li>
  • <code id="6mcsu"><tr id="6mcsu"></tr></code>
    或者

    怎樣寫(xiě)robots文件_robots文件寫(xiě)法技巧_robot.txt的例子

    作者:月光邊境 瀏覽:95 發(fā)布時(shí)間:2017-08-05
    分享 評(píng)論 0

    資料一

      1.robots.txt文件是什么

      robots.txt是一個(gè)純文本文件,是搜索引擎中訪問(wèn)網(wǎng)站的時(shí)候要查看的第一個(gè)文件。robots.txt文件告訴蜘蛛程序在服務(wù)器上什么文件是可以被查看的。每個(gè)站點(diǎn)最好建立一個(gè)robots.txt文件,對(duì)seo更友好。每當(dāng)搜索蜘蛛來(lái)尋找并不存在的robots.txt文件時(shí),服務(wù)器將在日志中記錄一條404錯(cuò)誤,所以你應(yīng)該在網(wǎng)站中添加一個(gè)robots.txt(即使這個(gè)robots.txt文件只是一個(gè)空文件)。

      2.robots.txt的寫(xiě)法(語(yǔ)法)

      1)User-agent: 該項(xiàng)的值用于描述搜索引擎蜘蛛的名字。如果該項(xiàng)的值設(shè)為*,則該協(xié)議對(duì)任何機(jī)器人均有效。

      2)Disallow: 該項(xiàng)的值用于描述不希望被訪問(wèn)到的一個(gè)URL,一個(gè)目錄或者整個(gè)網(wǎng)站。以Disallow 開(kāi)頭的URL 均不會(huì)被搜索引擎蜘蛛訪問(wèn)到。任何一條Disallow 記錄為空,說(shuō)明該網(wǎng)站的所有部分都允許被訪問(wèn)。

      3)用法舉例:

      網(wǎng)站目錄下所有文件均能被所有搜索引擎蜘蛛訪問(wèn)

      User-agent: *

      Disallow:

      禁止所有搜索引擎蜘蛛訪問(wèn)網(wǎng)站的任何部分

      User-agent: *

      Disallow: /

      禁止所有的搜索引擎蜘蛛訪問(wèn)網(wǎng)站的幾個(gè)目錄

      User-agent: *

      Disallow: /a/

      Disallow: /b/

      禁止搜索引擎蜘蛛訪問(wèn)目錄a和目錄b

      只允許某個(gè)搜索引擎蜘蛛訪問(wèn)

      User-agent: Googlebot

      Disallow:

      您應(yīng)該限制網(wǎng)站某些文件不被蜘蛛抓取。

      一般網(wǎng)站中不需要蜘蛛抓取的文件有:后臺(tái)管理文件、程序腳本、附件、數(shù)據(jù)庫(kù)文件、編碼文件、樣式表文件、模板文件、導(dǎo)航圖片和背景圖片等等。

      3.robots.txt文件帶來(lái)的風(fēng)險(xiǎn)以及解決

      robots.txt 同時(shí)也帶來(lái)了一定的風(fēng)險(xiǎn):其也給攻擊者指明了網(wǎng)站的目錄結(jié)構(gòu)和私密數(shù)據(jù)所在的位置。設(shè)置訪問(wèn)權(quán)限,對(duì)您的隱私內(nèi)容實(shí)施密碼保護(hù),這樣,攻擊者便無(wú)從進(jìn)入。

      4.常見(jiàn)搜索引擎蜘蛛Robots名字

      Baiduspider :http://www.baidu.com

      Scooter :http://www.altavista.com

      ia_archiver: http://www.alexa.com

      Googlebot :http://www.google.com

      Inktomi Slurp :http://www.yahoo.com

      FAST-WebCrawler: http://www.alltheweb.com

      Slurp :http://www.inktomi.com

      MSNBOT :http://search.msn.com

      5.注意事項(xiàng):

      1)robots.txt必須放置在站點(diǎn)的根目錄下,而且文件名必須全部小寫(xiě)。

      2)不要在robots.txt文件中設(shè)置所有的文件都可以被搜索蜘蛛抓取。

      3)為安全考慮,建議很重要的文件夾不要寫(xiě)在robots.txt文件中,或你只建一個(gè)空白robots.txt文件,在不要訪問(wèn)的目錄中加入其它的技術(shù)(目前還在探索中……)。

      seo會(huì)聚網(wǎng)robot.txt文件實(shí)例:www.seohj.com/robots.txt。

      我們也可以通過(guò)Robots META標(biāo)簽來(lái)針對(duì)一個(gè)個(gè)具體的頁(yè)面。關(guān)于Robots META標(biāo)簽的詳細(xì)介紹在Robots META標(biāo)簽用法。

      1.語(yǔ)法:

      <meta name="robots"content="搜索方式">

      2.說(shuō)明:

      在該語(yǔ)法中,搜索方式的值和其對(duì)應(yīng)的含義如下:

      all:頁(yè)面將被檢索,且頁(yè)面上的鏈接可以被查詢;

      none:頁(yè)面不能被檢索,且頁(yè)面上的鏈接不可以被查詢;

      index:頁(yè)面將被檢索,但不設(shè)置鏈接是否可以被查詢;

      follow:頁(yè)面上的鏈接可以被查詢;

      noindex:頁(yè)面不能被檢索,但頁(yè)面上的鏈接可以被查詢;

      nofollow:頁(yè)面能被檢索,但頁(yè)面上的鏈接卻不可以被查詢。

      3.實(shí)例:

      該實(shí)例設(shè)定網(wǎng)頁(yè)能被檢索,但頁(yè)面上的鏈接卻不可以被查詢,代碼如下:

      <html>

      <head>

      <title>限制搜索方式</title>

      <meta name="robots"content="index">

      </head>

      <body></body>

      </html>

      資料二

      一.什么是robots.txt文件?

      搜索引擎通過(guò)一種程序robot(又稱spider),自動(dòng)訪問(wèn)互聯(lián)網(wǎng)上的網(wǎng)頁(yè)并獲取網(wǎng)頁(yè)信息。

      您可以在您的網(wǎng)站中創(chuàng)建一個(gè)純文本文件robots.txt,在這個(gè)文件中聲明該網(wǎng)站中不想被robot訪問(wèn)的部分,這樣,該網(wǎng)站的部分或全部?jī)?nèi)容就可以不被搜索引擎收錄了,或者指定搜索引擎只收錄指定的內(nèi)容。

      二. robots.txt文件放在哪里?

      robots.txt文件應(yīng)該放在網(wǎng)站根目錄下。舉例來(lái)說(shuō),當(dāng)robots訪問(wèn)一個(gè)網(wǎng)站(比如http://www.abc.com)時(shí),首先會(huì)檢查該網(wǎng)站中是否存在http://www.abc.com/robots.txt這個(gè)文件,如果機(jī)器人找到這個(gè)文件,它就會(huì)根據(jù)這個(gè)文件的內(nèi)容,來(lái)確定它訪問(wèn)權(quán)限的范圍。

      網(wǎng)站 URL 相應(yīng)的 robots.txt的 URL

      http://www.w3.org/ http://www.w3.org/robots.txt

      http://www.w3.org:80/ http://www.w3.org:80/robots.txt

      http://www.w3.org:1234/ http://www.w3.org:1234/robots.txt

      http://w3.org/??http://w3.org/robots.txt

      三. robots.txt文件的格式

      "robots.txt"文件包含一條或更多的記錄,這些記錄通過(guò)空行分開(kāi)(以CR,CR/NL, or NL作為結(jié)束符),每一條記錄的格式如下所示:

      "<field>:<optionalspace><value><optionalspace>"。

      在該文件中可以使用#進(jìn)行注解,具體使用方法和UNIX中的慣例一樣。該文件中的記錄通常以一行或多行User-agent開(kāi)始,后面加上若干Disallow行,詳細(xì)情況如下:

      User-agent:

      該項(xiàng)的值用于描述搜索引擎robot的名字,在"robots.txt"文件中,如果有多條User-agent記錄說(shuō)明有多個(gè)robot會(huì)受到該協(xié)議的限制,對(duì)該文件來(lái)說(shuō),至少要有一條User-agent記錄。如果該項(xiàng)的值設(shè)為*,則該協(xié)議對(duì)任何機(jī)器人均有效,在"robots.txt"文件中,"User-agent:*"這樣的記錄只能有一條。

      Disallow :

      該項(xiàng)的值用于描述不希望被訪問(wèn)到的一個(gè)URL,這個(gè)URL可以是一條完整的路徑,也可以是部分的,任何以Disallow 開(kāi)頭的URL均不會(huì)被robot訪問(wèn)到。例如"Disallow: /help"對(duì)/help.html 和/help/index.html都不允許搜索引擎訪問(wèn),而"Disallow: /help/"則允許robot訪問(wèn)/help.html,而不能訪問(wèn)/help/index.html。

      任何一條Disallow記錄為空,說(shuō)明該網(wǎng)站的所有部分都允許被訪問(wèn),在"/robots.txt"文件中,至少要有一條Disallow記錄。如果"/robots.txt"是一個(gè)空文件,則對(duì)于所有的搜索引擎robot,該網(wǎng)站都是開(kāi)放的。

      四. robots.txt文件用法舉例

      例1. 禁止所有搜索引擎訪問(wèn)網(wǎng)站的任何部分

      下載該robots.txt文件

      User-agent: *

      Disallow: /

      例2. 允許所有的robot訪問(wèn)

      (或者也可以建一個(gè)空文件 "/robots.txt" file)

      ??

      User-agent: *

      Disallow:

      例3. 禁止某個(gè)搜索引擎的訪問(wèn)

      User-agent: BadBot

      Disallow: /

      例4. 允許某個(gè)搜索引擎的訪問(wèn)

      User-agent: baiduspider

      Disallow:

      User-agent: *

      Disallow: /

      例5. 一個(gè)簡(jiǎn)單例子

      在這個(gè)例子中,該網(wǎng)站有三個(gè)目錄對(duì)搜索引擎的訪問(wèn)做了限制,即搜索引擎不會(huì)訪問(wèn)這三個(gè)目錄。

      需要注意的是對(duì)每一個(gè)目錄必須分開(kāi)聲明,而不要寫(xiě)成 "Disallow: /cgi-bin/ /tmp/"。

      User-agent:后的* 具有特殊的含義,代表"any robot",所以在該文件中不能有"Disallow: /tmp/*" or "Disallow: *.gif"這樣的記錄出現(xiàn).

      User-agent: *

      Disallow: /cgi-bin/

      Disallow: /tmp/

      Disallow: /~joe/

      五. robots.txt文件參考資料

      robots.txt文件的更具體設(shè)置,請(qǐng)參看以下鏈接:

      · Web Server Administrator''s Guide to the Robots Exclusion Protocol

      · HTML Author''s Guide to the Robots Exclusion Protocol

      · The original 1994 protocol description, as currently deployed

      · The revised Internet-Draft specification, which is not yet completed or implemented

      在你的主頁(yè)中為Web Robot設(shè)計(jì)路標(biāo)

      Internet越來(lái)越酷,WWW的知名度如日中天。在Internet上發(fā)布公司信息、進(jìn)行電子商務(wù)已經(jīng)從時(shí)髦演化成時(shí)尚。作為一個(gè)Web Master,你可能對(duì)HTML、java script、Java、 ActiveX了如指掌,但你是否知道什么是Web Robot?你是否知道Web Robot和你所設(shè) 計(jì)的主頁(yè)有什么關(guān)系?

      Internet上的流浪漢--- Web Robot

      有時(shí)你會(huì)莫名其妙地發(fā)現(xiàn)你的主頁(yè)的內(nèi)容在一個(gè)搜索引擎中被索引,即使你從未與他 們有過(guò)任何聯(lián)系。其實(shí)這正是Web Robot的功勞。Web Robot其實(shí)是一些程序,它可以 穿越大量Internet網(wǎng)址的超文本結(jié)構(gòu),遞歸地檢索網(wǎng)絡(luò)站點(diǎn)所有的內(nèi)容。這些程序有時(shí)被叫 “蜘蛛(Spider)” , “網(wǎng)上流浪漢(Web Wanderer)”,“網(wǎng)絡(luò)蠕蟲(chóng)(web worms)”或Web crawler。一些Internet網(wǎng)上知名的搜索引擎站點(diǎn)(Search Engines)都有專門的Web Robot程序來(lái)完成信息的采集,例如Lycos,Webcrawler,Altavista等,以及中文搜索引擎站點(diǎn)例如北極星,網(wǎng)易,GOYOYO等。

      Web Robot就象一個(gè)不速之客,不管你是否在意,它都會(huì)忠于自己主人的職責(zé),任勞任怨、不知疲倦地奔波于萬(wàn)維網(wǎng)的空間,當(dāng)然也會(huì)光臨你的主頁(yè),檢索主頁(yè)內(nèi)容并生成它所需要的記錄格式。或許有的主頁(yè)內(nèi)容你樂(lè)于世人皆知,但有的內(nèi)容你卻不愿被洞察、索引。難道你就只能任其“橫行”于自己主頁(yè)空間,能否指揮和控制Web Robot的行蹤呢?答案當(dāng)然是肯定的。只要你閱讀了本篇的下文,就可以象一個(gè)交通 警察一樣,布置下一個(gè)個(gè)路標(biāo),告訴Web Robot應(yīng)該怎么去檢索你的主頁(yè),哪些可以檢索,哪些不可以訪問(wèn)。

      其實(shí)Web Robot能聽(tīng)懂你的話

      不要以為Web Robot是毫無(wú)組織,毫無(wú)管束地亂跑。很多Web Robot軟件給網(wǎng)絡(luò)站點(diǎn)的 管理員或網(wǎng)頁(yè)內(nèi)容制作者提供了兩種方法來(lái)限制Web Robot的行蹤:

      1、Robots Exclusion Protocol 協(xié)議

      網(wǎng)絡(luò)站點(diǎn)的管理員可以在站點(diǎn)上建立一個(gè)專門格式的文件,來(lái)指出站點(diǎn)上的哪一部分 可以被robot訪問(wèn), 這個(gè)文件放在站點(diǎn)的根目錄下,即robots.txt." target="_blank">http://.../robots.txt.

      2、Robots META tag

      一個(gè)網(wǎng)頁(yè)作者可以使用專門的HTML META tag ,來(lái)指出某一個(gè)網(wǎng)頁(yè)是否可以被索 引、分析或鏈接。

      這些方法適合于大多數(shù)的Web Robot,至于是否在軟件中實(shí)施了這些方法,還依賴于 Robot的開(kāi)發(fā)者,并非可以保證對(duì)任何Robot都靈驗(yàn)。如果你迫切需要保護(hù)自己內(nèi)容,則應(yīng)考慮采用諸如增加密碼等其他保護(hù)方法。

      使用Robots Exclusion Protocol協(xié)議

      當(dāng)Robot訪問(wèn)一個(gè) Web 站點(diǎn)時(shí),比如http://www.sti.net.cn/,它先去檢查文件robots.txt" target="_blank">http://www.sti.net.cn/robots.txt。如果這個(gè)文件存在,它便會(huì)按照這樣的記錄格式去分析:

      User-agent: *

      Disallow: /cgi-bin/

      Disallow: /tmp/

      Disallow: /~joe/

      以確定它是否應(yīng)該檢索站點(diǎn)的文件。這些記錄是專門給Web Robot看的,一般的瀏覽者大概永遠(yuǎn)不會(huì)看到這個(gè)文件,所以千萬(wàn)不要異想天開(kāi)地在里面加入形似<img src=*> 類的HTML語(yǔ)句或是“How do you do? where are you from?”之類假情假意的問(wèn)候語(yǔ)。

      在一個(gè)站點(diǎn)上只能有一個(gè) "/robots.txt" 文件,而且文件名的每個(gè)字母要求全部是小 寫(xiě)。在Robot的記錄格式中每一個(gè)單獨(dú)的"Disallow"行表示你不希望Robot訪問(wèn)的URL, 每個(gè)URL必須單獨(dú)占一行,不能出現(xiàn) "Disallow: /cgi-bin/ /tmp/"這樣的病句。同時(shí)在一個(gè)記錄中不能出現(xiàn)空行,這是因?yàn)榭招惺嵌鄠€(gè)記錄分割的標(biāo)志。

      User-agent行指出的是Robot或其他代理的名稱。在User-agent行,''*'' 表示一個(gè)特殊的含義---所有的robot。

      下面是幾個(gè)robot.txt的例子:

      在整個(gè)服務(wù)器上拒絕所有的robots:

      User-agent: *

      Disallow: /

      允許所有的robots訪問(wèn)整個(gè)站點(diǎn):

      User-agent: *

      Disallow:

      或者產(chǎn)生一個(gè)空的 "/robots.txt" 文件。

      服務(wù)器的部分內(nèi)容允許所有的robot訪問(wèn)

      User-agent: *

      Disallow: /cgi-bin/

      Disallow: /tmp/

      Disallow: /private/

      拒絕某一個(gè)專門的robot:

      User-agent: BadBot

      Disallow: /

      只允許某一個(gè)robot光顧:

      User-agent: WebCrawler

      Disallow:

      User-agent: *

      Disallow: /

      最后我們給出 http://www.w3.org/站點(diǎn)上的robots.txt:

      # For use by search.w3.org

      User-agent: W3Crobot/1

      Disallow:

      User-agent: *

      Disallow: /Member/ # This is restricted to W3C Members only

      Disallow: /member/ # This is restricted to W3C Members only

      Disallow: /team/ # This is restricted to W3C Team only

      Disallow: /TandS/Member # This is restricted to W3C Members only

      Disallow: /TandS/Team # This is restricted to W3C Team only

      Disallow: /Project

      Disallow: /Systems

      Disallow: /Web

      Disallow: /Team

      使用Robots META tag方式

      Robots META tag 允許HTML網(wǎng)頁(yè)作者指出某一頁(yè)是否可以被索引,或是否可以用來(lái)查找更多的鏈接文件。目前只有部分robot實(shí)施了這一功能。

      Robots META tag的格式為:

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

      象其他的META tag一樣,它應(yīng)該放在HTML文件的HEAD區(qū):

      <html>

      <head>

      <meta name="robots" content="noindex,nofollow">

      <meta name="description" content="This page ....">

      <title>...</title>

      </head>

      <body>

      ...

      Robots META tag指令使用逗號(hào)隔開(kāi),可以使用的指令包括 [NO]INDEX 和[NO]FOLLOW。INDEX 指令指出一個(gè)索引性robot是否可以對(duì)本頁(yè)進(jìn)行索引;FOLLOW 指 令指出robot是否可以跟蹤本頁(yè)的鏈接。缺省的情況是INDEX和FOLLOW。例如:

      <meta name="robots" content="index,follow">

      <meta name="robots" content="noindex,follow">

      <meta name="robots" content="index,nofollow">

      <meta name="robots" content="noindex,nofollow">

      一個(gè)好的Web 站點(diǎn)管理員應(yīng)該將robot的管理考慮在內(nèi),使robot為自己的主頁(yè)服務(wù), 同時(shí)又不損害自己網(wǎng)頁(yè)的安全

      資料三

      什么是robots.txt?

      robots.txt

      robots.txt是搜索引擎中訪問(wèn)網(wǎng)站的時(shí)候要查看的第一個(gè)文件。robots.txt文件告訴蜘蛛程序在服務(wù)器上什么文件是可以被查看的。

      當(dāng)一個(gè)搜索蜘蛛訪問(wèn)一個(gè)站點(diǎn)時(shí),它會(huì)首先檢查該站點(diǎn)根目錄下是否存在robots.txt,如果存在,搜索機(jī)器人就會(huì)按照該文件中的內(nèi)容來(lái)確定訪問(wèn)的范圍;如果該文件不存在,所有的搜索蜘蛛將能夠訪問(wèn)網(wǎng)站上所有沒(méi)有被口令保護(hù)的頁(yè)面。百度官方建議,僅當(dāng)您的網(wǎng)站包含不希望被搜索引擎收錄的內(nèi)容時(shí),才需要使用robots.txt文件。如果您希望搜索引擎收錄網(wǎng)站上所有內(nèi)容,請(qǐng)勿建立robots.txt文件。

      robots.txt必須放置在一個(gè)站點(diǎn)的根目錄下,而且文件名必須全部小寫(xiě)。

      語(yǔ)法:最簡(jiǎn)單的 robots.txt 文件使用兩條規(guī)則:

      ? User-Agent: 適用下列規(guī)則的漫游器

      ? Disallow: 要攔截的網(wǎng)頁(yè)

      robots.txt在SEO中作用

      在進(jìn)行網(wǎng)站優(yōu)化的時(shí)候,經(jīng)常會(huì)使用robots文件把一些內(nèi)容不想讓蜘蛛抓取,以前寫(xiě)過(guò)一篇網(wǎng)站優(yōu)化robots.txt文件的運(yùn)用, 現(xiàn)在寫(xiě)這編文章在補(bǔ)充一點(diǎn)點(diǎn)知識(shí)!什么是robots.txt文件

      搜索引擎通過(guò)一種爬蟲(chóng)spider程序(又稱搜索蜘蛛、robot、搜索機(jī)器人等),自動(dòng)搜集互聯(lián)網(wǎng)上的網(wǎng)頁(yè)并獲取相關(guān)信息。

      鑒于網(wǎng)絡(luò)安全與隱私的考慮,搜索引擎遵循robots.txt協(xié)議。通過(guò)根目錄中創(chuàng)建的純文本文件robots.txt,網(wǎng)站可以聲明不想被robots訪問(wèn)的部分。每個(gè)網(wǎng)站都可以自主控制網(wǎng)站是否愿意被搜索引擎收錄,或者指定搜索引擎只收錄指定的內(nèi)容。當(dāng)一個(gè)搜索引擎的爬蟲(chóng)訪問(wèn)一個(gè)站點(diǎn)時(shí),它會(huì)首先檢查該站點(diǎn)根目錄下是否存在robots.txt,如果該文件不存在,那么爬蟲(chóng)就沿著鏈接抓取,如果存在,爬蟲(chóng)就會(huì)按照該文件中的內(nèi)容來(lái)確定訪問(wèn)的范圍。

      robots.txt必須放置在一個(gè)站點(diǎn)的根目錄下,而且文件名必須全部小寫(xiě)。robots.txt文件的格式

      User-agent: 定義搜索引擎的類型

      Disallow: 定義禁止搜索引擎收錄的地址

      Allow: 定義允許搜索引擎收錄的地址

      我們常用的搜索引擎類型有: (User-agent區(qū)分大小寫(xiě))

      google蜘蛛:Googlebot

      百度蜘蛛:Baiduspider

      yahoo蜘蛛:Yahoo!slurp

      alexa蜘蛛:ia_archiver

      bing蜘蛛:MSNbot

      altavista蜘蛛:scooter

      lycos蜘蛛:lycos_spider_(t-rex)

      alltheweb蜘蛛:fast-webcrawler

      inktomi蜘蛛: slurp

      Soso蜘蛛:Sosospider

      Google Adsense蜘蛛:Mediapartners-Google

      有道蜘蛛:YoudaoBot

      robots.txt文件的寫(xiě)法

      User-agent: * 這里的*代表的所有的搜索引擎種類,*是一個(gè)通配符

      Disallow: /admin/ 這里定義是禁止爬尋admin目錄下面的目錄

      Disallow: /require/ 這里定義是禁止爬尋require目錄下面的目錄

      Disallow: /ABC/ 這里定義是禁止爬尋ABC目錄下面的目錄

      Disallow: /cgi-bin/*.htm 禁止訪問(wèn)/cgi-bin/目錄下的所有以".htm"為后綴的URL(包含子目錄)。

      Disallow: /*?* 禁止訪問(wèn)網(wǎng)站中所有的動(dòng)態(tài)頁(yè)面

      Disallow: /jpg$ 禁止抓取網(wǎng)頁(yè)所有的.jpg格式的圖片

      Disallow:/ab/adc.html 禁止爬去ab文件夾下面的adc.html文件。

      Allow: /cgi-bin/ 這里定義是允許爬尋cgi-bin目錄下面的目錄

      Allow: /tmp 這里定義是允許爬尋tmp的整個(gè)目錄

      Allow: .htm$ 僅允許訪問(wèn)以".htm"為后綴的URL。

      Allow: .gif$ 允許抓取網(wǎng)頁(yè)和gif格式圖片

      robots.txt文件用法舉例

      例1. 禁止所有搜索引擎訪問(wèn)網(wǎng)站的任何部分

      User-agent: *

      Disallow: /

      實(shí)例分析:淘寶網(wǎng)的 Robots.txt文件

      User-agent: Baiduspider

      Disallow: /

      User-agent: baiduspider

      Disallow: /

      很顯然淘寶不允許百度的機(jī)器人訪問(wèn)其網(wǎng)站下其所有的目錄。

      例2. 允許所有的robot訪問(wèn) (或者也可以建一個(gè)空文件 “/robots.txt” file)

      User-agent: *

      Allow:

      例3. 禁止某個(gè)搜索引擎的訪問(wèn)

      User-agent: BadBot

      Disallow: /

      例4. 允許某個(gè)搜索引擎的訪問(wèn)

      User-agent: Baiduspider

      allow:/

      例5.一個(gè)簡(jiǎn)單例子

      在這個(gè)例子中,該網(wǎng)站有三個(gè)目錄對(duì)搜索引擎的訪問(wèn)做了限制,即搜索引擎不會(huì)訪問(wèn)這三個(gè)目錄。

      需要注意的是對(duì)每一個(gè)目錄必須分開(kāi)聲明,而不要寫(xiě)成 “Disallow: /cgi-bin/ /tmp/”。

      User-agent:后的*具有特殊的含義,代表“any robot”,所以在該文件中不能有“Disallow: /tmp/*” or “Disallow:*.gif”這樣的記錄出現(xiàn)。

      User-agent: *

      Disallow: /cgi-bin/

      Disallow: /tmp/

      Disallow: /~joe/

      Robot特殊參數(shù):

      允許 Googlebot:

      如果您要攔截除 Googlebot 以外的所有漫游器不能訪問(wèn)您的網(wǎng)頁(yè),可以使用下列語(yǔ)法:

      User-agent:

      Disallow:/

      User-agent:Googlebot

      Disallow:

      Googlebot 跟隨指向它自己的行,而不是指向所有漫游器的行。

      “Allow”擴(kuò)展名:

      Googlebot 可識(shí)別稱為“Allow”的 robots.txt 標(biāo)準(zhǔn)擴(kuò)展名。其他搜索引擎的漫游器可能無(wú)法識(shí)別此擴(kuò)展名,因此請(qǐng)使用您感興趣的其他搜索引擎進(jìn)行查找。“Allow”行的作用原理完全與“Disallow”行一樣。只需列出您要允許的目錄或頁(yè)面即可。

      您也可以同時(shí)使用“Disallow”和“Allow”。例如,要攔截子目錄中某個(gè)頁(yè)面之外的其他所有頁(yè)面,可以使用下列條目:

      User-agent:Googlebot

      Disallow:/folder1/

      Allow:/folder1/myfile.html

      這些條目將攔截 folder1 目錄內(nèi)除 myfile.html 之外的所有頁(yè)面。

      如果您要攔截 Googlebot 并允許 Google 的另一個(gè)漫游器(如 Googlebot-Mobile),可使用”Allow”規(guī)則允許該漫游器的訪問(wèn)。例如:

      User-agent:Googlebot

      Disallow:/

      User-agent:Googlebot-Mobile

      Allow:

      使用 * 號(hào)匹配字符序列:

      您可使用星號(hào) (*) 來(lái)匹配字符序列。例如,要攔截對(duì)所有以 private 開(kāi)頭的子目錄的訪問(wèn),可使用下列條目:

      User-Agent:Googlebot

      Disallow:/private*/

      要攔截對(duì)所有包含問(wèn)號(hào) (?) 的網(wǎng)址的訪問(wèn),可使用下列條目:

      User-agent:*

      Disallow:/*?*

      使用 $ 匹配網(wǎng)址的結(jié)束字符

      您可使用 $ 字符指定與網(wǎng)址的結(jié)束字符進(jìn)行匹配。例如,要攔截以 .asp 結(jié)尾的網(wǎng)址,可使用下列條目:

      User-agent:Googlebot

      Disallow:/*.asp$

      您可將此模式匹配與 Allow 指令配合使用。例如,如果 ? 表示一個(gè)會(huì)話 ID,您可排除所有包含該 ID 的網(wǎng)址,確保 Googlebot 不會(huì)抓取重復(fù)的網(wǎng)頁(yè)。但是,以 ? 結(jié)尾的網(wǎng)址可能是您要包含的網(wǎng)頁(yè)版本。在此情況下,可對(duì) robots.txt 文件進(jìn)行如下設(shè)置:

      User-agent:*

      Allow:/*?$

      Disallow:/*?

      Disallow:/ *?

      一行將攔截包含 ? 的網(wǎng)址(具體而言,它將攔截所有以您的域名開(kāi)頭、后接任意字符串,然后是問(wèn)號(hào) (?),而后又是任意字符串的網(wǎng)址)。

      Allow: /*?$ 一行將允許包含任何以 ? 結(jié)尾的網(wǎng)址(具體而言,它將允許包含所有以您的域名開(kāi)頭、后接任意字符串,然后是問(wèn)號(hào) (?),問(wèn)號(hào)之后沒(méi)有任何字符的網(wǎng)址)。

      Robots Meta標(biāo)簽

      Robots.txt文件主要是限制整個(gè)站點(diǎn)或者目錄的搜索引擎訪問(wèn)情況,而Robots Meta標(biāo)簽則主要是針對(duì)一個(gè)個(gè)具體的頁(yè)面。和其他的META標(biāo)簽(如使用的語(yǔ)言、頁(yè)面的描述、關(guān)鍵詞等)一樣,Robots Meta標(biāo)簽也是放在頁(yè)面中,專門用來(lái)告訴搜索引擎ROBOTS如何抓取該頁(yè)的內(nèi)容。

      Robots Meta標(biāo)簽中沒(méi)有大小寫(xiě)之分,name=”Robots”表示所有的搜索引擎,可以針對(duì)某個(gè)具體搜索引擎寫(xiě)為name=”BaiduSpider”。content部分有四個(gè)指令選項(xiàng):index、noindex、follow、nofollow,指令間以“,”分隔。

      index指令告訴搜索機(jī)器人抓取該頁(yè)面;

      follow指令表示搜索機(jī)器人可以沿著該頁(yè)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(duì)于它,缺省值是index、nofollow。

      需要注意的是:

      上述的robots.txt和Robots Meta標(biāo)簽限制搜索引擎機(jī)器人(ROBOTS)抓取站點(diǎn)內(nèi)容的辦法只是一種規(guī)則,需要搜索引擎機(jī)器人的配合才行,并不是每個(gè)ROBOTS都遵守的。

      目前看來(lái),絕大多數(shù)的搜索引擎機(jī)器人都遵守robots.txt的規(guī)則,而對(duì)于RobotsMETA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(gè)指令“archive”,可以限制GOOGLE是否保留網(wǎng)頁(yè)快照。

      編輯本段robots.txt使用誤區(qū)

      特別提示:robots里面內(nèi)容的大小寫(xiě)不可更改,Disallow后面的冒號(hào)必須為英文狀態(tài)的。

      誤區(qū)一

      網(wǎng)站上所有的文件都需要被蜘蛛抓取,那就沒(méi)必要添加robots.txt文件了。反正如果該文件不存在,所有的搜索蜘蛛將默認(rèn)能夠訪問(wèn)網(wǎng)站上所有沒(méi)有被口令保護(hù)的頁(yè)面。

      誤區(qū)二

      在robots.txt文件中設(shè)置所有的文件都可以被搜索蜘蛛抓取,這樣可以增加網(wǎng)站的收錄率。

      網(wǎng)站中的腳本程序、樣式表等文件即使被蜘蛛收錄,也不會(huì)增加網(wǎng)站的收錄率,還只會(huì)占用服務(wù)器存儲(chǔ)空間。因此必須在robots.txt文件里設(shè)置不要讓搜索蜘蛛索引腳本程序、樣式表等文件,具體哪些文件需要排除,在robots.txt使用技巧一文中有詳細(xì)介紹。

      誤區(qū)三

      搜索蜘蛛抓取網(wǎng)頁(yè)太浪費(fèi)服務(wù)器資源,在robots.txt文件中設(shè)置所有的搜索蜘蛛都不能抓取全部的網(wǎng)頁(yè)。

      如果這樣的話,會(huì)導(dǎo)致整個(gè)網(wǎng)站不能被搜索引擎收錄。

      編輯本段robots.txt使用技巧

      文件

      1. 每當(dāng)用戶試圖訪問(wèn)某個(gè)不存在的URL時(shí),服務(wù)器都會(huì)在日志中記錄404錯(cuò)誤(無(wú)法找到文件)。每當(dāng)搜索蜘蛛來(lái)尋找并不存在的robots.txt文件時(shí),服務(wù)器也將在日志中記錄一條404錯(cuò)誤,所以你應(yīng)該在網(wǎng)站中添加一個(gè)robots.txt。

      2. 網(wǎng)站管理員必須使蜘蛛程序遠(yuǎn)離某些服務(wù)器上的目錄——保證服務(wù)器性能。比如:大多數(shù)網(wǎng)站服務(wù)器都有程序儲(chǔ)存在“cgi-bin”目錄下,因此在robots.txt文件中加入“Disallow: /cgi-bin/”是個(gè)好主意,這樣能夠避免將所有程序文件被蜘蛛索引,可以節(jié)省服務(wù)器資源。一般網(wǎng)站中不需要蜘蛛抓取的文件有:后臺(tái)管理文件、程序腳本、附件、數(shù)據(jù)庫(kù)文件、編碼文件、樣式表文件、模板文件、導(dǎo)航圖片和背景圖片等等。

      下面是VeryCMS里的robots.txt文件:

      User-agent: *

      Disallow: /admin/ 后臺(tái)管理文件

      Disallow: /require/ 程序文件

      Disallow: /attachment/ 附件

      Disallow: /images/ 圖片

      Disallow: /data/ 數(shù)據(jù)庫(kù)文件

      Disallow: /template/ 模板文件

      Disallow: /css/ 樣式表文件

      Disallow: /lang/ 編碼文件

      Disallow: /script/ 腳本文件

      3. 如果你的網(wǎng)站是動(dòng)態(tài)網(wǎng)頁(yè),并且你為這些動(dòng)態(tài)網(wǎng)頁(yè)創(chuàng)建了靜態(tài)副本,以供搜索蜘蛛更容易抓取。那么你需要在robots.txt文件里設(shè)置避免動(dòng)態(tài)網(wǎng)頁(yè)被蜘蛛索引,以保證這些網(wǎng)頁(yè)不會(huì)被視為含重復(fù)內(nèi)容。

      4. robots.txt文件里還可以直接包括在sitemap文件的鏈接。就像這樣:

      Sitemap: http://www.***.com/sitemap.xml

      (此處請(qǐng)?zhí)顚?xiě)XML地圖的絕對(duì)路徑,即完整URL,如果按習(xí)慣填寫(xiě)Sitemap: /sitemap.xml,提交后會(huì)提示:檢測(cè)到無(wú)效的 Sitemap 網(wǎng)址;語(yǔ)法錯(cuò)誤。

      XML地圖必須在網(wǎng)站根目錄下才有效。)

      目前對(duì)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,顯然不在這個(gè)圈子內(nèi)。這樣做的好處是,站長(zhǎng)不用到每個(gè)搜索引擎的站長(zhǎng)工具或者相似的站長(zhǎng)部分,去提交自己的sitemap文件,搜索引擎的蜘蛛自己就會(huì)抓取robots.txt文件,讀取其中的sitemap路徑,接著抓取其中相鏈接的網(wǎng)頁(yè)。

      5. 合理使用robots.txt文件還能避免訪問(wèn)時(shí)出錯(cuò)。比如,不能讓搜索者直接進(jìn)入購(gòu)物車頁(yè)面。因?yàn)闆](méi)有理由使購(gòu)物車被收錄,所以你可以在robots.txt文件里設(shè)置來(lái)阻止搜索者直接進(jìn)入購(gòu)物車頁(yè)面。

      robots.txt文件的格式

      "robots.txt"文件包含一條或更多的記錄,這些記錄通過(guò)空行分開(kāi)(以CR,CR/NL, or NL作為結(jié)束符),每一條記錄的格式如下所示:

      "<field>:<optionalspace><value><optionalspace>"。

      在該文件中可以使用#進(jìn)行注解,具體使用方法和UNIX中的慣例一樣。該文件中的記錄通常以一行或多行User-agent開(kāi)始,后面加上若干Disallow和Allow行,詳細(xì)情況如下:

      User-agent:

      該項(xiàng)的值用于描述搜索引擎robot的名字。在"robots.txt"文件中,如果有多條User-agent記錄說(shuō)明有多個(gè)robot會(huì)受到"robots.txt"的限制,對(duì)該文件來(lái)說(shuō),至少要有一條User-agent記錄。如果該項(xiàng)的值設(shè)為*,則對(duì)任何robot均有效,在"robots.txt"文件中,"User-agent:*"這樣的記錄只能有一條。如果在"robots.txt"文件中,加入"User-agent:SomeBot"和若干Disallow、Allow行,那么名為"SomeBot"只受到"User-agent:SomeBot"后面的Disallow和Allow行的限制。

      Disallow:

      該項(xiàng)的值用于描述不希望被訪問(wèn)的一組URL,這個(gè)值可以是一條完整的路徑,也可以是路徑的非空前綴,以Disallow項(xiàng)的值開(kāi)頭的URL不會(huì)被robot訪問(wèn)。例如"Disallow:/help"禁止robot訪問(wèn)/help.html、/helpabc.html、/help/index.html,而"Disallow:/help/"則允許robot訪問(wèn)/help.html、/helpabc.html,不能訪問(wèn)/help/index.html。"Disallow:"說(shuō)明允許robot訪問(wèn)該網(wǎng)站的所有url,在"/robots.txt"文件中,至少要有一條Disallow記錄。如果"/robots.txt"不存在或者為空文件,則對(duì)于所有的搜索引擎robot,該網(wǎng)站都是開(kāi)放的。

      Allow:

      該項(xiàng)的值用于描述希望被訪問(wèn)的一組URL,與Disallow項(xiàng)相似,這個(gè)值可以是一條完整的路徑,也可以是路徑的前綴,以Allow項(xiàng)的值開(kāi)頭的URL是允許robot訪問(wèn)的。例如"Allow:/hibaidu"允許robot訪問(wèn)/hibaidu.htm、/hibaiducom.html、/hibaidu/com.html。一個(gè)網(wǎng)站的所有URL默認(rèn)是Allow的,所以Allow通常與Disallow搭配使用,實(shí)現(xiàn)允許訪問(wèn)一部分網(wǎng)頁(yè)同時(shí)禁止訪問(wèn)其它所有URL的功能。

      需要特別注意的是Disallow與Allow行的順序是有意義的,robot會(huì)根據(jù)第一個(gè)匹配成功的Allow或Disallow行確定是否訪問(wèn)某個(gè)URL。

      使用"*"和"$":

      Baiduspider支持使用通配符"*"和"$"來(lái)模糊匹配url。

      "$" 匹配行結(jié)束符。

      "*" 匹配0或多個(gè)任意字符。

      robots.txt文件字符編碼

      robots.txt使用什么字符編碼,并沒(méi)有相關(guān)規(guī)定,都是各搜索引擎自已定義的。雖然google和其它搜索引擎建議大家使用 utf-8 字符編碼格式的robots.txt,但幾乎所有的搜索引擎都支持 ANSI 編碼格式,而google自已對(duì) utf-8 編碼格式的robots.txt,會(huì)出現(xiàn)首字亂碼。所以為了達(dá)到最大的兼容性,建議大家使用 ANSI 格式編碼,或者使用 utf-8 編碼格式,但需要空出首行。

      還有一個(gè)建議就是robots.txt中最好不要出現(xiàn)中文,即使是注釋也要使用英文。

      robots.txt文件用法舉例

      例1.禁止所有搜索引擎訪問(wèn)網(wǎng)站的任何部分 User-agent: *

      Disallow: /

      例2.允許所有的robot訪問(wèn)

      (或者也可以建一個(gè)空文件 "/robots.txt") 第1種寫(xiě)法

      User-agent: *

      Allow: /

      第2種寫(xiě)法

      User-agent: *

      Allow:

      第3種寫(xiě)法

      User-agent: *

      Disallow:

      例3. 僅禁止Baiduspider訪問(wèn)您的網(wǎng)站 User-agent: Baiduspider

      Disallow: /

      例4. 僅允許Baiduspider訪問(wèn)您的網(wǎng)站 User-agent: Baiduspider

      Allow: /

      例5. 禁止spider訪問(wèn)特定目錄

      在這個(gè)例子中,該網(wǎng)站有三個(gè)目錄對(duì)搜索引擎的訪問(wèn)做了限制,即robot不會(huì)訪問(wèn)這三個(gè)目錄。需要注意的是對(duì)每一個(gè)目錄必須分開(kāi)聲明,而不能寫(xiě)成 "Disallow: /cgi-bin/ /tmp/"。 User-agent: *

      Disallow: /cgi-bin/

      Disallow: /tmp/

      Disallow: /~joe/

      例6. 允許訪問(wèn)特定目錄中的部分url User-agent: *

      Allow: /cgi-bin/see

      Allow: /tmp/hi

      Allow: /~joe/look

      例7. 使用"*"限制訪問(wèn)url

      禁止訪問(wèn)/cgi-bin/目錄下的所有以".htm"為后綴的URL(包含子目錄)。

      User-agent: *

      Disallow: /cgi-bin/*.htm

      例8. 使用"$"限制訪問(wèn)url

      僅允許訪問(wèn)以".htm"為后綴的URL。 User-agent: *

      Allow: / .htm$

      例9. 禁止訪問(wèn)網(wǎng)站中所有的動(dòng)態(tài)頁(yè)面 User-agent: *

      Disallow: /*?*

      例10. 禁止Baiduspider抓取網(wǎng)站上所有圖片

      僅允許抓取網(wǎng)頁(yè),禁止抓取任何圖片。 User-agent: Baiduspider

      Disallow: /*.jpg$

      Disallow: /* .jpeg$

      Disallow: /* .gif$

      Disallow: /* .png$

      Disallow: /*.bmp$

      例11. 僅允許Baiduspider抓取網(wǎng)頁(yè)和。gif格式圖片

      允許抓取網(wǎng)頁(yè)和gif格式圖片,不允許抓取其他格式圖片 User-agent: Baiduspider

      Allow: .gif$

      Disallow: /.jpg$

      Disallow: / .jpeg$

      Disallow: / .png$

      Disallow: /.bmp$

      例12. 僅禁止Baiduspider抓取。jpg格式圖片 User-agent: /Baiduspider

      Disallow: /.jpg$

      百度各個(gè)產(chǎn)品使用不同的user-agent:

      無(wú)線搜索 Baiduspider-mobile

      圖片搜索 Baiduspider-image

      視頻搜索 Baiduspider-video

      新聞搜索 Baiduspider-news

      百度搜藏 Baiduspider-favo

      百度聯(lián)盟 Baiduspider-cpro

      商務(wù)搜索 Baiduspider-ads

      網(wǎng)頁(yè)以及其他搜索 Baiduspider


    国产亚洲精品无码成人| 精品人妻无码专区中文字幕| 亚洲乳大丰满中文字幕| 中文字幕乱偷无码AV先锋| 亚洲中文字幕无码一区二区三区| 亚洲国产成人片在线观看无码 | 免费无码午夜福利片69| 无码国模国产在线无码精品国产自在久国产| 日本一区二区三区中文字幕| 亚洲伊人成无码综合网| 欧洲人妻丰满av无码久久不卡| 合区精品中文字幕| 成人精品一区二区三区中文字幕| av无码久久久久不卡免费网站 | 亚洲VA中文字幕无码一二三区| 最近免费视频中文字幕大全| 亚洲精品无码久久毛片| 人妻夜夜添夜夜无码AV| 中文字幕无码人妻AAA片| 国产精品亚洲w码日韩中文 | 日本中文字幕中出在线| 永久免费无码网站在线观看个| 国产亚洲精久久久久久无码| 亚洲日韩国产二区无码| 日韩精品无码人妻一区二区三区| 精品久久久久久无码中文字幕一区 | 亚洲AV永久无码一区二区三区| 亚洲精品无码Av人在线观看国产| 日韩在线中文字幕制服丝袜| 天堂资源中文最新版在线一区| 亚洲人成影院在线无码观看 | 久久综合精品国产二区无码| 成人无码WWW免费视频| 无码福利一区二区三区| 精品深夜AV无码一区二区老年| 中文精品久久久久国产网址| 亚洲乱码中文字幕综合| 亚洲日本va中文字幕久久| 久久久噜噜噜久久中文福利| 国产区精品一区二区不卡中文| 中文www新版资源在线|