java 搜索多个txt内容_Robots.txt的作用以及规范写法

Robots.txt文件的作用

　　出于安全的考虑，在网站seo优化时写入robots.txt文件，实际上就是告诉搜索引擎蜘蛛，网站上哪些内容允许抓取，哪些内容不允许抓取，这样做可以提高搜索引擎的抓取效率，增加搜索引擎对网站的友好度。

　　robots.txt文件的规范写法

　　文件中的记录通过空行分开，以CR、CR/NL、or NL作为结束符。robots.txt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和Allow行，详细情况如下：

　　User-agent:

　　用于描述搜索引擎蜘蛛的名字，在"Robots.txt"文件中，如果有多条User-agent记录说明有多个搜索引擎蜘蛛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*，则该协议对任何搜索引擎蜘蛛均有效，在"Robots.txt"文件中，"User-agent:*"这样的记录只能有一条。

　　Disallow:

　　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”是指禁止搜索引擎蜘蛛抓取/help.html和/help/index.html；而”Disallow:/help/”则允许搜索引擎蜘蛛抓取/help.html，不能抓取/help/index.html。

　　Allow:

　　用于描述希望被访问的一组URL，与Disallow项相似，这个值可以是一条完整的路径，也可以是路径的前缀，以Allow项的值开头的URL是允许robot访问的。

　　例如，”Allow:/hibaidu”允许搜索引擎蜘蛛抓取/hibaidu.htm、/hibaiducom.html、/hibaidu/com.html。一个网站的所有URL默认是Allow的，所以Allow通常与Disallow搭配使用，实现允许访问一部分网页同时禁止访问其它所有URL的功能。

　　注意：Disallow与Allow行的顺序是有意义的，搜索引擎蜘蛛会根据第一个匹配成功的Allow或Disallow行确定是否访问某个URL。

　　使用”*”和”$”：

　　Baiduspider支持使用通配符”*”和”$”来模糊匹配url。“$”匹配行结束符。“*”匹配0或多个任意字符。

　　robots.txt文件用法举例

　　1，允许所有的robot访问

　　User-agent:*Allow:/或者User-agent:*Disallow:

　　2，禁止所有搜索引擎访问网站的任何部分

　　User-agent:*

　　Disallow:/

　　3，仅禁止Baiduspider访问

　　User-agent:Baiduspider

　　Disallow:/

　　4，仅允许Baiduspider访问您的网站

　　User-agent:Baiduspider

　　Disallow:

　　5，禁止spider访问特定目录

　　User-agent:*

　　Disallow:/cgi-bin/

　　Disallow:/tmp/

　　Disallow:/~joe/

　　6，允许访问特定目录中的部分url

　　User-agent:*

　　Allow:/cgi-bin/see

　　Allow:/tmp/hi

　　Allow:/~joe/look

　　Disallow:/cgi-bin/

　　Disallow:/tmp/

　　Disallow:/~joe/

　　7，使用”*”限制访问url

　　禁止访问/cgi-bin/目录下的所有以”.htm”为后缀的URL(包含子目录)。

　　User-agent:*

　　Disallow:/cgi-bin/*.htm

　　8，使用”$”限制访问url

　　仅允许访问以”.htm”为后缀的URL。

　　User-agent:*

　　Allow:.htm$

　　Disallow:/

　　9，禁止访问网站中所有的动态页面

　　User-agent:*

　　Disallow:/*?*

　　10，禁止Baiduspider抓取网站上所有图片

　　仅允许抓取网页，禁止抓取任何图片。

　　User-agent:Baiduspider

　　Disallow:.jpg$

　　Disallow:.jpeg$

　　Disallow:.gif$

　　Disallow:.png$

　　Disallow:.bmp$

　　11，仅允许Baiduspider抓取网页和.gif格式图片

　　允许抓取网页和gif格式图片，不允许抓取其他格式图片

　　User-agent:Baiduspider

　　Allow:.gif$

　　Disallow:.jpg$

　　Disallow:.jpeg$

　　Disallow:.png$

　　Disallow:.bmp$

　　12，仅禁止Baiduspider抓取.jpg格式图片

　　User-agent:Baiduspider

　　Disallow:.jpg$

　　注意：robots.txt是有分大小写的，默认文件名全小写，规则里面要注意区分大小写

　　13，在robots.txt中声明你的sitemap文件

　　在robots.txt加入如下的一行文字：

　　Sitemap:http://www.abc.com/sitemap.xml(替换自己的网站域名)

不是广告，不是广告，不是广告。。。重要的事情说三遍