如何写robots.txt?关于robots.txt的制作

robots.txt基本介绍


robots.txt是一个纯文本文件,在这个文件中网站管理者可以声明该网站中不想被robots访问的部分,或者指定搜索引擎只收录指定的内容。


当一个搜索机器人(有的叫搜索蜘蛛)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,那么搜索机器人就沿着链接抓取。


另外,robots.txt必须放置在一个站点的根目录下,而且文件名必须全部小写。


robots.txt写作语法


首先,我们来看一个robots.txt范例:http://www.0x201.cn/robots.txt


访问以上具体地址,我们可以看到robots.txt的具体内容如下:




# robots.txt


User-agent: *


Disallow: /admin/



以上文本表达的意思是允许所有的搜索机器人访问 http://www.0x201.cn/ 站点下的所有文件,除了目录 admin 。


具体语法分析:其中#后面文字为说明信息;User-agent:后面为搜索机器人的名称,后面如果是*,则泛指所有的搜索机器人;Disallow: 后面为不允许访问的文件目录。


下面,我将列举一些robots.txt的具体用法:




允许所有的robot访问


User-agent: *


Disallow:


或者也可以建一个空文件 "/robots.txt"




禁止所有搜索引擎访问网站的任何部分


User-agent: *


Disallow: /




禁止所有搜索引擎访问网站的几个部分(下例中的01、02、03目录)


User-agent: *


Disallow: /01/


Disallow: /02/


Disallow: /03/




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Crawler)


User-agent: Crawler


Disallow:


User-agent: *


Disallow: /



对robots meta 的一些介绍:


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<head></head>中,专门用来告诉搜索引擎ROBOTS如何抓取该页的内容。


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。


这样,一共有四种组合:









其中:


可以写成


可以写成


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。


例如:


阅读更多
个人分类: Web
想对作者说点什么? 我来说一句

没有更多推荐了,返回首页

关闭
关闭
关闭