Robots协议(也 称为爬虫协议、机器人协议等)的全称是“网络爬虫排除标准”(Robots Exclusion Protocol),网站通过Robots协议告诉搜索 引擎哪些页面可以抓取,哪些页面不能抓取。陈宝文提醒Robots文件名是不能改变的,文件必须放置在网站根目录才能生效,当搜索引擎来到网站第一个访问的页面就是 robots文件。
-
User—Agent: 定义搜索引擎类型(定义robots对哪个搜索引擎生效)
-
User—Agent:BaiduSpider (定义该协议只对百度搜索引擎生效)
User—Agent:*(定义该协议协议对所有搜索引擎生效)
-
Disallow: 定义搜索引擎禁止抓取收录地址
-
Disallow:/ (代表着整站禁止搜索引擎抓取,/代表着网站根目录),如果前期做了整站禁止搜索引擎抓取,后期蜘蛛将很长一段时间不会来网站进行抓取内容。
Disallow:/ data/ (代表着禁止蜘蛛抓取data目录后所有的页面)
Disallow:/d (代表着data文件后边的网页被屏蔽)
-
原因:/d和路径中出现的目录词是相匹配的的,所以都会被屏蔽掉
Disallow:/*?* 屏蔽所有动态路径(动态链接中存在着?符号匹配)
Disallow:/ *.js$ (屏蔽所有js文件)
-
Allow: 定义允许抓取收录地址
Allow:/seojishu/ (代表着seojishu文件允许被抓取)
-
Disallow:/ a/ 导致全站会被屏蔽,因为Disallow:/后边出现空格,建议写完robots在百度站长工具中效验一下是否有误。
如: