robot.txt在SEO中的作用
在進(jìn)行網(wǎng)站優(yōu)化的時(shí)候，經(jīng)常會(huì)使用robots文件把一些內(nèi)容不想讓蜘蛛抓取，以前寫(xiě)過(guò)一篇網(wǎng)站優(yōu)化robots.txt文件的運(yùn)用 現(xiàn)在寫(xiě)這篇文章在補(bǔ)充一點(diǎn)點(diǎn)知識(shí)!什么是robots.txt文件
搜索引擎通過(guò)一種爬蟲(chóng)spider程序(又稱(chēng)搜索蜘蛛、robot、搜索機(jī)器人等)，自動(dòng)搜集互聯(lián)網(wǎng)上的網(wǎng)頁(yè)并獲取相關(guān)信息。
鑒于網(wǎng)絡(luò)安全與隱私的考慮，搜索引擎遵循robots.txt協(xié)議。通過(guò)根目錄中創(chuàng)建的純文本文件robots.txt，網(wǎng)站可以聲明不想被robots訪問(wèn)的部分。每個(gè)網(wǎng)站都可以自主控制網(wǎng)站是否愿意被搜索引擎收錄，或者指定搜索引擎只收錄指定的內(nèi)容。當(dāng)一個(gè)搜索引擎的爬蟲(chóng)訪問(wèn)一個(gè)站點(diǎn)時(shí)，它會(huì)首先檢查該站點(diǎn)根目錄下是否存在robots.txt，如果該文件不存在，那么爬蟲(chóng)就沿著鏈接抓取，如果存在，爬蟲(chóng)就會(huì)按照該文件中的內(nèi)容來(lái)確定訪問(wèn)的范圍。
robots.txt必須放置在一個(gè)站點(diǎn)的根目錄下，而且文件名必須全部小寫(xiě)。robots.txt文件的格式
User-agent: 定義搜索引擎的類(lèi)型
Disallow: 定義禁止搜索引擎收錄的地址
Allow: 定義允許搜索引擎收錄的地址
我們常用的搜索引擎類(lèi)型有:
google蜘蛛:googlebot
百度蜘蛛:baiduspider
yahoo蜘蛛:slurp
alexa蜘蛛:ia_archiver
msn蜘蛛:msnbot
altavista蜘蛛:scooter
lycos蜘蛛:lycos_spider_(t-rex)
alltheweb蜘蛛:fast-webcrawler
inktomi蜘蛛: slurprobots.txt文件的寫(xiě)法
User-agent: * 這里的*代表的所有的搜索引擎種類(lèi)，*是一個(gè)通配符
Disallow: /admin/ 這里定義是禁止爬尋admin目錄下面的目錄
Disallow: /require/ 這里定義是禁止爬尋require目錄下面的目錄
Disallow: /ABC 這里定義是禁止爬尋ABC整個(gè)目錄
Disallow: /cgi-bin/*.htm 禁止訪問(wèn)/cgi-bin/目錄下的所有以".htm"為后綴的URL(包含子目錄)。
Disallow: /*?* 禁止訪問(wèn)網(wǎng)站中所有的動(dòng)態(tài)頁(yè)面
Disallow: .jpg$ 禁止抓取網(wǎng)頁(yè)所有的.jpg格式的圖片
Disallow:/ab/adc.html 禁止爬去ab文件夾下面的adc.html所有文件
User-agent: * 這里的*代表的所有的搜索引擎種類(lèi)，*是一個(gè)通配符
Allow: /cgi-bin/ 這里定義是允許爬尋cgi-bin目錄下面的目錄
Allow: /tmp 這里定義是允許爬尋tmp的整個(gè)目錄
Allow: .htm$ 僅允許訪問(wèn)以".htm"為后綴的URL。
Allow: .gif$ 允許抓取網(wǎng)頁(yè)和gif格式圖片robots.txt文件用法舉例
例1. 禁止所有搜索引擎訪問(wèn)網(wǎng)站的任何部分
User-agent: *
Disallow: /
實(shí)例分析:淘寶網(wǎng)的 Robots.txt文件
User-agent: Baiduspider
Disallow: /
很顯然淘寶不允許百度的機(jī)器人訪問(wèn)其網(wǎng)站下其所有的目錄。
例2. 允許所有的robot訪問(wèn) (或者也可以建一個(gè)空文件 "/robots.txt" file)
User-agent: *
Disallow:
例3. 禁止某個(gè)搜索引擎的訪問(wèn)
User-agent: BadBot
Disallow: /
例4. 允許某個(gè)搜索引擎的訪問(wèn)
User-agent: baiduspider
Disallow: User-agent: *Disallow: /
例5.一個(gè)簡(jiǎn)單例子
在這個(gè)例子中，該網(wǎng)站有三個(gè)目錄對(duì)搜索引擎的訪問(wèn)做了限制，即搜索引擎不會(huì)訪問(wèn)這三個(gè)目錄。
需要注意的是對(duì)每一個(gè)目錄必須分開(kāi)聲明，而不要寫(xiě)成 "Disallow: /cgi-bin/ /tmp/"。
User-agent:后的*具有特殊的含義，代表"any robot"，所以在該文件中不能有"Disallow: /tmp/*" or "Disallow:*.gif"這樣的記錄出現(xiàn)。
User-agent: *
Disallow: /cgi-bin/
Disallow: /tmp/
Disallow: /~joe/
Robot特殊參數(shù):
允許 Googlebot:
如果您要攔截除 Googlebot 以外的所有漫游器訪問(wèn)您的網(wǎng)頁(yè)，可以使用下列語(yǔ)法:
User-agent:
Disallow:/
User-agent:Googlebot
Disallow:
Googlebot 跟隨指向它自己的行，而不是指向所有漫游器的行。
"Allow"擴(kuò)展名:
Googlebot 可識(shí)別稱(chēng)為"Allow"的 robots.txt 標(biāo)準(zhǔn)擴(kuò)展名。其他搜索引擎的漫游器可能無(wú)法識(shí)別此擴(kuò)展名，因此請(qǐng)使用您感興趣的其他搜索引擎進(jìn)行查找。"Allow"行的作用原理完全與"Disallow"行一樣。只需列出您要允許的目錄或頁(yè)面即可。
您也可以同時(shí)使用"Disallow"和"Allow"。例如，要攔截子目錄中某個(gè)頁(yè)面之外的其他所有頁(yè)面，可以使用下列條目:
User-Agent:Googlebot
Disallow:/folder1/
Allow:/folder1/myfile.html
這些條目將攔截 folder1 目錄內(nèi)除 myfile.html 之外的所有頁(yè)面。
如果您要攔截 Googlebot 并允許 Google 的另一個(gè)漫游器(如 Googlebot-Mobile)，可使用"Allow"規(guī)則允許該漫游器的訪問(wèn)。例如:
User-agent:Googlebot
Disallow:/
User-agent:Googlebot-Mobile
Allow:
使用 * 號(hào)匹配字符序列:
您可使用星號(hào) (*) 來(lái)匹配字符序列。例如，要攔截對(duì)所有以 private 開(kāi)頭的子目錄的訪問(wèn)，可使用下列條目:
User-Agent:Googlebot
Disallow:/private*/
要攔截對(duì)所有包含問(wèn)號(hào) (?) 的網(wǎng)址的訪問(wèn)，可使用下列條目:
User-agent:*
Disallow:/*?*
使用 $ 匹配網(wǎng)址的結(jié)束字符
您可使用 $ 字符指定與網(wǎng)址的結(jié)束字符進(jìn)行匹配。例如，要攔截以 .asp 結(jié)尾的網(wǎng)址，可使用下列條目:
User-Agent:Googlebot
Disallow:/*.asp$
您可將此模式匹配與 Allow 指令配合使用。例如，如果 ? 表示一個(gè)會(huì)話(huà) ID，您可排除所有包含該 ID 的網(wǎng)址，確保 Googlebot 不會(huì)抓取重復(fù)的網(wǎng)頁(yè)。但是，以 ? 結(jié)尾的網(wǎng)址可能是您要包含的網(wǎng)頁(yè)版本。在此情況下，可對(duì) robots.txt 文件進(jìn)行如下設(shè)置:
User-agent:*
Allow:/*?$
Disallow:/*?
Disallow:/ *?
一行將攔截包含 ? 的網(wǎng)址(具體而言，它將攔截所有以您的域名開(kāi)頭、后接任意字符串，然后是問(wèn)號(hào) (?)，而后又是任意字符串的網(wǎng)址)。
Allow: /*?$ 一行將允許包含任何以 ? 結(jié)尾的網(wǎng)址(具體而言，它將允許包含所有以您的域名開(kāi)頭、后接任意字符串，然后是問(wèn)號(hào) (?)，問(wèn)號(hào)之后沒(méi)有任何字符的網(wǎng)址)。Robots Meta標(biāo)簽
Robots.txt文件主要是限制整個(gè)站點(diǎn)或者目錄的搜索引擎訪問(wèn)情況，而Robots Meta標(biāo)簽則主要是針對(duì)一個(gè)個(gè)具體的頁(yè)面。和其他的META標(biāo)簽(如使用的語(yǔ)言、頁(yè)面的描述、關(guān)鍵詞等)一樣，Robots Meta標(biāo)簽也是放在頁(yè)面的中，專(zhuān)門(mén)用來(lái)告訴搜索引擎ROBOTS如何抓取該頁(yè)的內(nèi)容。
Robots Meta標(biāo)簽中沒(méi)有大小寫(xiě)之分，name="Robots"表示所有的搜索引擎，可以針對(duì)某個(gè)具體搜索引擎寫(xiě)為name="BaiduSpider"。content部分有四個(gè)指令選項(xiàng):index、noindex、follow、nofollow，指令間以","分隔。
index指令告訴搜索機(jī)器人抓取該頁(yè)面;
follow指令表示搜索機(jī)器人可以沿著該頁(yè)面上的鏈接繼續(xù)抓取下去;
Robots Meta標(biāo)簽的缺省值是index和follow，只有inktomi除外，對(duì)于它，缺省值是index、nofollow。
需要注意的是:上述的robots.txt和Robots Meta標(biāo)簽限制搜索引擎機(jī)器人(ROBOTS)抓取站點(diǎn)內(nèi)容的辦法只是一種規(guī)則，需要搜索引擎機(jī)器人的配合才行，并不是每個(gè)ROBOTS都遵守的。
目前看來(lái)，絕大多數(shù)的搜索引擎機(jī)器人都遵守robots.txt的規(guī)則，而對(duì)于RobotsMETA標(biāo)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(gè)指令"archive"，可以限制GOOGLE是否保留網(wǎng)頁(yè)快照。
來(lái)源：360站長(zhǎng)平臺(tái)
