robots.txt使用技巧
編輯
分享
評論
贊0
屏蔽隱私頁面,后臺登陸頁面,緩存頁面,圖片目錄,css目錄,模板頁面,屏蔽雙頁面的內容,同時可以屏蔽一些質量比較差的頁面,例如金網的所有會員用戶空間頁面,dz的動態鏈接也可以設置屏蔽.通過Disallow:命令來進行設置.
每當用戶試圖訪問某個不存在的URL時,服務器都會在日志中記錄404錯誤(無法找到文件).每當搜索蜘蛛來尋找并不存在的robots.txt文件時,服務器也將在日志中記錄一條404錯誤,所以你應該在網站中添加一個robots.txt.
網站管理員必須使搜索引擎機器人程序遠離服務器上的某些目錄,以保證服務器性能.比如:大多數網站服務器都有程序儲存在"cgi-bin"目錄下,因此在robots.txt文件中加入"Disallow: /cgi-bin"是個好主意,這樣能夠避免所有程序文件都被蜘蛛索引,以達到節省服務器資源的效果.
一般網站中不需要蜘蛛抓取的文件有:后臺管理文件、程序腳本、附件、數據庫文件、編碼文件、樣式表文件、模板文件、導航圖片和背景圖片等等.
下面是VeryCMS里的robots.txt文件:
User-agent: *
Disallow: /admin/ 后臺管理文件
Disallow: /require/程序文件
Disallow: /attachment/ 附件
Disallow: /images/ 圖片
Disallow: /data/數據庫文件
Disallow: /template/ 模板文件
Disallow: /css/ 樣式表文件
Disallow: /lang/ 編碼文件
Disallow: /script/腳本文件
Disallow: /js/js文件
如果你的網站是動態網頁,并且你為這些動態網頁創建了靜態副本,以供搜索蜘蛛更容易抓取.那么你需要在robots.txt文件里設置避免動態網頁被蜘蛛索引,以保證這些網頁不會被視為是網站重復的內容.
robots.txt文件里還可以直接包括在sitemap文件的鏈接.就像這樣:
Sitemap: http://www.***.com/sitemap.xml
目 前對此表示支持的搜索引擎公司有Google, Yahoo, Ask and MSN.而中文搜索引擎公司,顯然不在這個圈子內.這樣做的好處就是,站長不用到每個搜索引擎的站長工具或者相似的站長部分,去提交自己的sitemap文件,搜索引擎的蜘蛛自己就會抓取robots.txt文件,讀取其中的sitemap路徑,接著抓取其中相鏈接的網頁.
合理使用robots.txt文件還能避免訪問時出錯.比如,不能讓搜索者直接進入購物車頁面.因為沒有理由使購物車被收錄,所以你可以在robots.txt文件里設置來阻止搜索者直接進入購物車頁面.
猜你喜歡