robots.txt作用和用法之详细讲解 | 胡鹏博客
首页 > seo技术 > robots.txt作用和用法之详细讲解
2013二月17

robots.txt作用和用法之详细讲解

robots.txt的作用和用法,我想大部分的站长和seo都应该很清楚,那在这里东莞seo还是把详细的作用和用法列出来,供大家参考,用说的不对的地方,欢迎指点。

我们先来了解一下robots.txt的作用,Robots协议是网站国际互联网界通行的道德规范,其目的是保护网站数据和敏感信息、确保用户个人信息和隐私不被侵犯。为了解决这个问题,robots开发界提供了两个办法:一个是robots.txt,另一个是The Robots META标签。

我们先来讲讲robots.txt.
首先我们来了解一下robots.txt的官方概念:robots.txt文件是一个文本文件,使用任何一个常见的文本编辑器,比如Windows系统自带的Notepad,就可以创建和编辑它。robots.txt是一个协议,而不是一个命令。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。

了解了robots.txt的概念之后,我们来了学习下它的用法

了解它的用法之前,给个小贴示:1、robots.txt必须放置在一个站点的根目录下,2、文件名必须全部小写。
robots.txt的用法---------"robots.txt"文件包含一条或更多的记录,每一条记录的格式如下所示: ": "。
在该文件中可以使用#进行注解,具体使用方法和UNIX中的惯例一样。该文件中的记录通常以一行或多行User-agent开始,后面加上若干Disallow行,详细情况如下:

User-agent:
该项的值用于描述搜索引擎robot的名字,在"robots.txt"文件中,如果有多条User-agent记录说明有多个robot会受到该协议的限制,对该文件来说,至少要有一条User-agent记录。如果该项的值设为*

,则该协议对任何机器人均有效,在"robots.txt"文件中, "User-agent:*"这样的记录只能有一条。

Disallow :
该项的值用于描述不希望被访问到的一个URL,这个URL可以是一条完整的路径,也可以是部分的,任何以Disallow 开头的URL均不会被robot访问到。例如"Disallow: /help"对/help.html

和/help/index.html都不允许搜索引擎访问,而"Disallow: /help/"则允许robot访问/help.html,而不能访问/help/index.html。

任何一条Disallow记录为空,说明该网站的所有部分都允许被访问,在"/robots.txt"文件中,至少要有一条Disallow记录。如果 "/robots.txt"是一个空文件,则对于所有的搜索引擎robot,该网站都

是开放的。

下面是一些robots.txt基本的用法:
禁止所有搜索引擎访问网站的任何部分:
User-agent: *
Disallow: /

允许所有的robot访问
User-agent: *
Disallow:
或者也可以建一个空文件 "/robots.txt" file

禁止所有搜索引擎访问网站的几个部分(下例中的seostudying、seo目录)
User-agent: *
Disallow: /seostudying/
Disallow: /seo/

禁止某个搜索引擎的访问(下例中的BadBot)
User-agent: BadBot
Disallow: /

只允许某个搜索引擎的访问(下例中的WebCrawler)
User-agent: WebCrawler
Disallow:

User-agent: *
Disallow: /

常见搜索引擎机器人Robots名字

名称 搜索引擎

Baiduspider http://www.baidu.com
Scooter http://www.altavista.com
ia_archiver http://www.alexa.com
Googlebot http://www.google.com
FAST-WebCrawler http://www.alltheweb.com
Slurp http://www.inktomi.com
MSNBOT http://search.msn.com

常见robots.txt错误

颠倒了顺序:
错误写成
User-agent: *
Disallow: GoogleBot

正确的应该是:
User-agent: GoogleBot
Disallow: *

把多个禁止命令放在一行中:
例如,错误地写成
Disallow: /seo/ /seostudying/

正确的应该是
Disallow: /seo/
Disallow: /seostudying/

行前有大量空格
例如写成
Disallow: /cgi-bin/
尽管在标准没有谈到这个,但是这种方式很容易出问题。

404重定向到另外一个页面:
当Robot访问很多没有设置robots.txt文件的站点时,会被自动404重定向到另外一个Html页面。这时Robot常常会以处理robots.txt文件的方式处理这个Html页面文件。虽然一般这样没有什么问题,但是

最好能放一个空白的robots.txt文件在站点根目录下。

采用大写。例如
USER-AGENT: EXCITE
DISALLOW:
虽然标准是没有大小写的,但是目录和文件名应该小写:
user-agent:GoogleBot
disallow:

语法中只有Disallow,没有Allow!
错误的写法是:
User-agent: Baiduspider
Disallow: /john/
allow: /jane/

忘记了斜杠/
错误的写做:
User-agent: Baiduspider
Disallow: css

正确的应该是
User-agent: Baiduspider
Disallow: /css/

下面是一些著名站点的robots.txt:

http://www.google.com/robots.txt

http://www.baidu.com/robots.txt

http://www.so.com/robots.txt

http://www.seostudying.com/robots.txt

http://www.taobao.com/robots.txt

了解了robots.txt之后,我们来了解一下Robots META标签

1、什么是Robots META标签
Robots.txt文件主要是限制整个站点或者目录的搜索引擎访问情况,而Robots META标签则主要是针对一个个具体的页面。和其他的META标签(如使用的语言、页面的描述、关键词等)一样,Robots

META标签也是放在页面的中,专门用来告诉搜索引擎ROBOTS如何抓取该页的内容。
2、Robots META标签的写法:
Robots META标签中没有大小写之分,name=”Robots”表示所有的搜索引擎,可以针对某个具体搜索引擎写为name=”BaiduSpider”。content部分有四个指令选项:index、noindex、follow、nofollow,指令间以“,”分隔。

INDEX 指令告诉搜索机器人抓取该页面;

FOLLOW 指令表示搜索机器人可以沿着该页面上的链接继续抓取下去;

Robots Meta标签的缺省值是INDEX和FOLLOW,只有inktomi除外,对于它,缺省值是INDEX,NOFOLLOW。

需要注意的是:上述的robots.txt和Robots META标签限制搜索引擎机器人(ROBOTS)抓取站点内容的办法只是一种规则,需要搜索引擎机器人的配合才行,并不是每个ROBOTS都遵守的。

目前看来,绝大多数的搜索引擎机器人都遵守robots.txt的规则,而对于Robots META标签,目前支持的并不多,但是正在逐渐增加,如著名搜索引擎GOOGLE就完全支持,而且GOOGLE还增加了一个指令“

archive”,可以限制GOOGLE是否保留网页快照。

robots.txt作用不可小驱,基本上每个大型的网站都会用到,所以大家对其它的语法及用法还是有必要了解学习的。

更多

文章作者:东莞seo
本文链接地址:http://www.seostudying.com/1033.html
欢迎转载,转载请注明出处»胡鹏博客 [robots.txt作用和用法之详细讲解]

本文目前尚无任何评论.
您必须在 登录 后才能发布评论.