网站站长必须重视的robots.txt

  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”>

  网友评论:(只显示最新10条。评论内容只代表网友观点,与本站立场无关!)