什么是robots.txt文件?

转载 2016年08月29日 09:50:22

一.什么是robots.txt文件?

  搜索引擎通过一种程序robot(又称spider),自动访问互联网上的网页并获取网页信息。

  您可以在您的网站中创建一个纯文本文件robots.txt,在这个文件中声明该网站中不想被robot访问的部分,这样,该网站的部分或全部内容就可以不被搜索引擎收录了,或者指定搜索引擎只收录指定的内容。

二. robots.txt文件放在哪里?

  robots.txt文件应该放在网站根目录下。举例来说,当robots访问一个网站(比如http://www.abc.com)时,首先会检查该网站中是否存在http://www.abc.com/robots.txt这个文件,如果机器人找到这个文件,它就会根据这个文件的内容,来确定它访问权限的范围。

网站 URL 相应的 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"文件包含一条或更多的记录,这些记录通过空行分开(以CR,CR/NL, or NL作为结束符),每一条记录的格式如下所示:

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

  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。

四. robots.txt文件用法举例

例1. 禁止所有搜索引擎访问网站的任何部分

   
下载该robots.txt文件

User-agent: * 
Disallow: /

例2. 允许所有的robot访问

(或者也可以建一个空文件 "/robots.txt" file)

 

User-agent: *
Disallow:

 

例3. 禁止某个搜索引擎的访问

User-agent: BadBot
Disallow: /

例4. 允许某个搜索引擎的访问

User-agent: baiduspider
Disallow:

User-agent: *
Disallow: /

例5. 一个简单例子

  在这个例子中,该网站有三个目录对搜索引擎的访问做了限制,即搜索引擎不会访问这三个目录。
  需要注意的是对每一个目录必须分开声明,而不要写成 "Disallow: /cgi-bin/ /tmp/"。
  User-agent:后的* 具有特殊的含义,代表"any robot",所以在该文件中不能有"Disallow: /tmp/*" or "Disallow: *.gif"这样的记录出现.

User-agent: *
Disallow: /cgi-bin/
Disallow: /tmp/
Disallow: /~joe/

五. robots.txt文件参考资料

robots.txt文件的更具体设置,请参看以下链接:

· 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

OpenCV 实践程序1——图片显示及多图片融合

//显示彩色或灰色图片 #include   #include   #include   using namespace cv;      int main()   {       // 读入一张...
  • jjff46
  • jjff46
  • 2014年03月29日 20:58
  • 848

汇编语言——第1次上机实验

准备: 硬件:pc机,32位win操作系统,能够运行dos,某些64位win10系统可能会不支持 软件:masm程序 实验内容: 1.win+r运行dos,cd到指定的masm目录(为了调...
  • bobodem
  • bobodem
  • 2016年03月22日 09:36
  • 1076

熊向阳:如何理解robots.txt文件

我们知道在做SEO优化的过程中少不了用到一个文件,这个文件能够帮我们很大的忙,这个文件就是robots.txt,这个文件服务器下面没有,可以在本地编写好之后上传到服务器根目下,下面鄙人给大家举例它的有...

robots.txt文件的作用

Robots.txt文件的作用: 1、屏蔽网站内的死链接。 2、屏蔽搜索引擎蜘蛛抓取站点内重复内容和页面。 3、阻止搜索引擎索引网站隐私性的内容。 因此建立robots.txt文件是很有必要的...

robots.txt 文件详解

robots.txt      robots.txt写法   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。robo...

搜索引擎蜘蛛及网站robots.txt文件详解

原文链接:http://www.cnblogs.com/study121007/p/4612263.html 我们知道,搜索引擎都有自己的“搜索机器人”(ROBOTS),并通过这些ROBOT...

搜索引擎蜘蛛及网站robots.txt文件详解

我们知道,搜索引擎都有自己的“搜索机器人”(ROBOTS),并通过这些ROBOTS在网络上沿着网页上的链接(一般是http和src链接)不断抓取资料建立自己的数据库。对于网站管理者和内容提供者来说,有...

Python 网络爬虫 010 (高级功能) 解析 robots.txt 文件

解析 robots.txt 文件使用的系统:Windows 10 64位 Python 语言版本:Python 2.7.10 V 使用的编程 Python 的集成开发环境:PyCharm 2016...

浅谈Robots.txt文件给网站带来的好处

作为一名web优化职员,我们都很清楚robots.txt文件对我们网站的需要性,Robots.txt文件只不过一个纯文本文件,它就像web地图异样,给搜寻引擎指明线路,当蜘蛛搜索一个站点时,它起首蒲伏...

robots.txt文件怎么写

robots.txt文件的写法:   User-agent: * 这里的*代表的所有的搜索引擎种类,*是一个通配符   Disallow: /admin/ 这里定义是禁止爬寻admin...
内容举报
返回顶部
收藏助手
不良信息举报
您举报文章:什么是robots.txt文件?
举报原因:
原因补充:

(最多只允许输入30个字)