网站站长必须重视的robots.txt

导读：
　　网站管理者似乎对robots.txt并没有引起多大重视，应一些朋友之请求，今天想通过这篇文章来简单谈
　　一下robots.txt的写作。
　　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.beidou365.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 file from http://www.beidou365.cn
　　# All robots will spider the domain
　　User-agent: *
　　Disallow:
　　以上文本表达的意思是允许所有的搜索机器人访问www.beidou365.cn站点下的所有文件。
　　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” file
　　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: /
　　另外，我觉得有必要进行拓展说明，对robots meta进行一些介绍：
　　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：
　　＜META NAME=”ROBOTS” CONTENT=”INDEX,FOLLOW”＞
　　＜META NAME=”ROBOTS” CONTENT=”NOINDEX,FOLLOW”＞
　　＜META NAME=”ROBOTS” CONTENT=”INDEX,NOFOLLOW”＞
　　＜META NAME=”ROBOTS” CONTENT=”NOINDEX,NOFOLLOW”＞
　　其中
　　＜META NAME=”ROBOTS” CONTENT=”INDEX,FOLLOW”＞可以写成＜META NAME=”ROBOTS” CONTENT=”
　　ALL”＞；
　　＜META NAME=”ROBOTS” CONTENT=”NOINDEX,NOFOLLOW”＞可以写成＜META NAME=”ROBOTS”
　　CONTENT=”NONE”＞
　　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：
　　＜META NAME=”Googlebot” CONTENT=”index,follow,noarchive”＞

本文转自
http://www.seounion.com.cn/Seo/SeoBase/200803/23164.shtml