robots.txt

robots.txt简介

  1. 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。

  2. 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。百度官方建议,仅当您的网站包含不希望被搜索引擎收录的内容时,才需要使用robots.txt文件。如果您希望搜索引擎收录网站上所有内容,请勿建立robots.txt文件。

  3. 如果将网站视为酒店里的一个房间,robots.txt就是主人在房间门口悬挂的“请勿打扰”或“欢迎打扫”的提示牌。这个文件告诉来访的搜索引擎哪些房间可以进入和参观,哪些房间因为存放贵重物品,或可能涉及住户及访客的隐私而不对搜索引擎开放。但robots.txt不是命令,也不是防火墙,如同守门人无法阻止窃贼等恶意闯入者。

  4. 生成工具

     http://tool.chinaz.com/robots
    

robots.txt语法

  1. robots.txt语法如下
     User-agent: *                          这里'*'代表所有的搜索引擎都可以爬取
     Disallow: /path                        禁止爬取'path'整个目录
     Disallow: /path/                       禁止爬取'path'目录下面的目录
     Disallow: /path/test.html              禁止爬取'path'文件夹下面的'test.html'文件
     Disallow: /path/*.htm                  禁止爬取'path'目录下(包含子目录)的所有以".htm"为后缀的URL
     Disallow: /*str*                       禁止爬取网站中所有包含'str'的网址
     Disallow: /.jpg$                       禁止抓取网页所有的.jpg格式的图片
     Allow: /path                          允许爬取'path'整个目录
     Allow: /path/                         允许爬取'path'目录下面的目录
     Allow: .htm$                           允许访问".htm"为后缀的URL。
     Allow: .gif$                           允许抓取网页和gif格式图片
     Sitemap: http://www.abc.com/index.html 这个页面是网站地图
    
@耿志环 2012-∞ 冀ICP备17033181号, powered by Gitbook修订: 2018-05-23 16:25:59

results matching ""

    No results matching ""