robots.txt文件到底有什么用呢？
分享
評論
贊0
前幾天有朋友在網站通過聊天窗口問苦丁，有什么什么辦法阻止搜索引擎的收錄，因為自己網站上面有的東西不想被搜索引擎收錄。其實是可以實現的，在這里就有必要好好介紹一下robots.txt文件，因為通過這個robots.txt全完可以實現搜索引擎收錄的問題。
其實不管是企業網站還是門戶網站，上面都會有些資料是保密而不對外公開的。怎么樣做到不對外公開呢？唯一的保密的措施就是不讓搜索引擎來搜錄這些信息。這 樣就會不在網絡上公司，那么要實現這個網站頁面不收錄，就體了robots.txt的作用啦！robots.txt是一個簡單的記事本文件，這是網站管理 員和搜錄引擎對話的一個通道。在這個文件中網站管理者可以聲明該網站中不想被robots訪問的部分，或者指定搜索引擎只收錄指定的內容。
當一個搜索機器人（有的叫搜索蜘蛛）訪問一個站點時，它會首先檢查該站點根目錄下是否存在robots.txt，如果存在，搜索機器人就會按照該文件中的內容來確定訪問的范圍；如果該文件不存在，那么搜索機器人就沿著鏈接抓取。
既然我們這里知道了什么是robots.txt，我們該如何來應用呢？
1、如果我們網站的內容為全部公開，則不需要要設置robots.txt或robots.txt為空就可以啦。
2、robots.txt這個文件名必需要是小寫而且都要放在網站的根目錄下http://www.xxxxx.com/robots.txt一般要通過這種URL形式能訪問到，才說明我們放的位置是正確的。
3、robots.txt一般只寫上兩種函數：User-agent和 Disallow。有幾個禁止，就得有幾個Disallow函數，并分行描述。
4、至少要有一個Disallow函數，如果都允許收錄，則寫: Disallow: ，如果都不允許收錄，則寫:Disallow: / （注：只是差一個斜桿）。
寫法說明
User-agent: * 星號說明允許所有搜索引擎收錄
Disallow: /search.html 說明 http://www.xxxxx.com/search.html 這個頁面禁止搜索引擎抓取。
Disallow: /index.php? 說明類似這樣的頁面http://www.www.xxxxx.com/index.php?search=%E5%A5%BD&action=search&searchcategory=%25 禁止搜索引擎抓取。
常見的用法實例：
允許所有的robot訪問
User-agent: *
Disallow:
或者也可以建一個空文件 “/robots.txt” file
禁止所有搜索引擎訪問網站的任何部分
User-agent: *
Disallow: /
禁止所有搜索引擎訪問網站的幾個部分（下例中的01、02、03目錄）
User-agent: *
Disallow: /01/
Disallow: /02/
Disallow: /03/
禁止某個搜索引擎的訪問（下例中的BadBot）
User-agent: BadBot
Disallow: /
只允許某個搜索引擎的訪問（下例中的Crawler）
User-agent: Crawler
Disallow:
User-agent: *
Disallow: /
另外，我覺得有必要進行拓展說明，對robots meta進行一些介紹：
Robots META標簽則主要是針對一個個具體的頁面。和其他的META標簽（如使用的語言、頁面的描述、關鍵詞等）一樣，Robots META標簽也是放在頁面的＜head＞＜/head＞中，專門用來告訴搜索引擎ROBOTS如何抓取該頁的內容。
Robots META標簽的寫法：
Robots META標簽中沒有大小寫之分，name=”Robots”表示所有的搜索引擎，可以針對某個具體搜索引擎寫為name=”BaiduSpider”。 content部分有四個指令選項：index、noindex、follow、nofollow，指令間以“,”分隔。
INDEX 指令告訴搜索機器人抓取該頁面；
FOLLOW 指令表示搜索機器人可以沿著該頁面上的鏈接繼續抓取下去；
Robots Meta標簽的缺省值是INDEX和FOLLOW，只有inktomi除外，對于它，缺省值是INDEX,NOFOLLOW。
這樣，一共有四種組合：
＜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”＞可以寫成＜META NAME=”ROBOTS” CONTENT=”ALL”＞；
＜META NAME=”ROBOTS” CONTENT=”NOINDEX,NOFOLLOW”＞可以寫成＜META NAME=”ROBOTS” CONTENT=”NONE”＞
目前看來，絕大多數的搜索引擎機器人都遵守robots.txt的規則，而對于Robots META標簽，目前支持的并不多，但是正在逐漸增加，如著名搜索引擎GOOGLE就完全支持，而且GOOGLE還增加了一個指令“archive”，可以限制GOOGLE是否保留網頁快照。例如：
＜META NAME=”googlebot” CONTENT=”index,follow,noarchive”＞
表示抓取該站點中頁面并沿著頁面中鏈接抓取，但是不在GOOLGE上保留該頁面的網頁快照。
robots.txt文件對于我們做SEO的朋友來說也是經常要用到的，所以我們還要好好了解他的具體操作方法。苦丁分享
猜你喜歡
評論(0人參與，0條評論)
發布評論
最新評論