免费观看又色又爽又黄的小说免费_美女福利视频国产片_亚洲欧美精品_美国一级大黄大色毛片

robots.txt協(xié)議如何使用及寫(xiě)作語(yǔ)法

2015-01-03    分類(lèi): 網(wǎng)站建設(shè)

如何使用robots.txt及其詳解

在國(guó)內(nèi),網(wǎng)站管理者似乎對(duì)robots.txt并沒(méi)有引起多大重視,應(yīng)一些朋友之請(qǐng)求,今天想通過(guò)這篇文章來(lái)簡(jiǎn)單談一下robots.txt的寫(xiě)作。

robots.txt基本介紹

robots.txt是一個(gè)純文本文件,在這個(gè)文件中網(wǎng)站管理者可以聲明該網(wǎng)站中不想被robots訪問(wèn)的部分,或者指定搜索引擎只收錄指定的內(nèi)容。

當(dāng)一個(gè)搜索機(jī)器人(有的叫搜索蜘蛛)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,如果存在,搜索機(jī)器人就會(huì)按照該文件中的內(nèi)容來(lái)確定訪問(wèn)的范圍;如果該文件不存在,那么搜索機(jī)器人就沿著鏈接抓取。

另外,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寫(xiě)作語(yǔ)法

首先,我們來(lái)看一個(gè)robots.txt范例:http://www.seovip.cn/robots.txt

訪問(wèn)以上具體地址,我們可以看到robots.txt的具體內(nèi)容如下:

# Robots.txt file from http://www.seovip.cn
# All robots will spider the domain

User-agent: *
Disallow:

以上文本表達(dá)的意思是允許所有的搜索機(jī)器人訪問(wèn)www.seovip.cn站點(diǎn)下的所有文件。

具體語(yǔ)法分析:其中#后面文字為說(shuō)明信息;User-agent:后面為搜索機(jī)器人的名稱(chēng),后面如果是*,則泛指所有的搜索機(jī)器人;Disallow:后面為不允許訪問(wèn)的文件目錄。

下面,我將列舉一些robots.txt的具體用法:

允許所有的robot訪問(wèn)

User-agent: *
Disallow:

或者也可以建一個(gè)空文件 "/robots.txt" file

禁止所有搜索引擎訪問(wèn)網(wǎng)站的任何部分

User-agent: *
Disallow: /

禁止所有搜索引擎訪問(wèn)網(wǎng)站的幾個(gè)部分(下例中的01、02、03目錄)

User-agent: *
Disallow: /01/
Disallow: /02/
Disallow: /03/

禁止某個(gè)搜索引擎的訪問(wèn)(下例中的BadBot)

User-agent: BadBot
Disallow: /

只允許某個(gè)搜索引擎的訪問(wèn)(下例中的Crawler)

User-agent: Crawler
Disallow:

User-agent: *
Disallow: /

另外,我覺(jué)得有必要進(jìn)行拓展說(shuō)明,對(duì)robots meta進(jìn)行一些介紹:

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<head></head>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)簽的寫(xiě)法:

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。

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(xiě)成<META NAME="ROBOTS" CONTENT="ALL">;

<META NAME="ROBOTS" CONTENT="NOINDEX,NOFOLLOW">可以寫(xiě)成<META NAME="ROBOTS" CONTENT="NONE">

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Robots META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。例如:

<META NAME="googlebot" CONTENT="index,follow,noarchive">

表示抓取該站點(diǎn)中頁(yè)面并沿著頁(yè)面中鏈接抓取,但是不在GOOLGE上保留該頁(yè)面的網(wǎng)頁(yè)快照。

如何使用robots.txt

robots.txt 文件對(duì)抓取網(wǎng)絡(luò)的搜索引擎漫游器(稱(chēng)為漫游器)進(jìn)行限制。這些漫游器是自動(dòng)的,在它們?cè)L問(wèn)網(wǎng)頁(yè)前會(huì)查看是否存在限制其訪問(wèn)特定網(wǎng)頁(yè)的 robots.txt 文件。如果你想保護(hù)網(wǎng)站上的某些內(nèi)容不被搜索引擎收入的話(huà),robots.txt是一個(gè)簡(jiǎn)單有效的工具。這里簡(jiǎn)單介紹一下怎么使用它。

如何放置Robots.txt文件

robots.txt自身是一個(gè)文本文件。它必須位于域名的根目錄中并 被命名為"robots.txt"。位于子目錄中的 robots.txt 文件無(wú)效,因?yàn)槁纹髦辉谟蛎母夸浿胁檎掖宋募@纾琱ttp://www.example.com/robots.txt 是有效位置,http://www.example.com/mysite/robots.txt 則不是。

這里舉一個(gè)robots.txt的例子:

User-agent: *

Disallow: /cgi-bin/

Disallow: /tmp/

Disallow: /~name/
使用 robots.txt 文件攔截或刪除整個(gè)網(wǎng)站

要從搜索引擎中刪除您的網(wǎng)站,并防止所有漫游器在以后抓取您的網(wǎng)站,請(qǐng)將以下 robots.txt 文件放入您服務(wù)器的根目錄:

User-agent: *

Disallow: /

要只從 Google 中刪除您的網(wǎng)站,并只是防止 Googlebot 將來(lái)抓取您的網(wǎng)站,請(qǐng)將以下 robots.txt 文件放入您服務(wù)器的根目錄:
User-agent: Googlebot

Disallow: /

每個(gè)端口都應(yīng)有自己的 robots.txt 文件。尤其是您通過(guò) http 和 https 托管內(nèi)容的時(shí)候,這些協(xié)議都需要有各自的 robots.txt 文件。例如,要讓 Googlebot 只為所有的 http 網(wǎng)頁(yè)而不為 https 網(wǎng)頁(yè)編制索引,應(yīng)使用下面的 robots.txt 文件。
對(duì)于 http 協(xié)議 (http://yourserver.com/robots.txt):

User-agent: *

Allow: /

對(duì)于 https 協(xié)議 (https://yourserver.com/robots.txt):

User-agent: *

Disallow: /

允許所有的漫游器訪問(wèn)您的網(wǎng)頁(yè)
User-agent: *

Disallow:

(另一種方法: 建立一個(gè)空的 "/robots.txt" 文件, 或者不使用robot.txt。)

使用 robots.txt 文件攔截或刪除網(wǎng)頁(yè)

您可以使用 robots.txt 文件來(lái)阻止 Googlebot 抓取您網(wǎng)站上的網(wǎng)頁(yè)。 例如,如果您正在手動(dòng)創(chuàng)建 robots.txt 文件以阻止 Googlebot 抓取某一特定目錄下(例如,private)的所有網(wǎng)頁(yè),可使用以下 robots.txt 條目:
User-agent: Googlebot

Disallow: /private
要阻止 Googlebot 抓取特定文件類(lèi)型(例如,.gif)的所有文件,可使用以下 robots.txt 條目:
User-agent: Googlebot

Disallow: /*.gif$
要阻止 Googlebot 抓取所有包含 ? 的網(wǎng)址(具體地說(shuō),這種網(wǎng)址以您的域名開(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),可使用以下條目:
User-agent: Googlebot

Disallow: /*?

盡管我們不抓取被 robots.txt 攔截的網(wǎng)頁(yè)內(nèi)容或?yàn)槠渚幹扑饕绻覀冊(cè)诰W(wǎng)絡(luò)上的其他網(wǎng)頁(yè)中發(fā)現(xiàn)這些內(nèi)容,我們?nèi)匀粫?huì)抓取其網(wǎng)址并編制索引。因此,網(wǎng)頁(yè)網(wǎng)址及其他公開(kāi)的信息,例如指 向該網(wǎng)站的鏈接中的定位文字,有可能會(huì)出現(xiàn)在 Google 搜索結(jié)果中。不過(guò),您網(wǎng)頁(yè)上的內(nèi)容不會(huì)被抓取、編制索引和顯示。

作為網(wǎng)站管理員工具的一部分,Google提供了robots.txt分析工具。它可以按照 Googlebot 讀取 robots.txt 文件的相同方式讀取該文件,并且可為 Google user-agents(如 Googlebot)提供結(jié)果。我們強(qiáng)烈建議您使用它。 在創(chuàng)建一個(gè)robots.txt文件之前,有必要考慮一下哪些內(nèi)容可以被用戶(hù)搜得到,而哪些則不應(yīng)該被搜得到。 這樣的話(huà),通過(guò)合理地使用robots.txt, 搜索引擎在把用戶(hù)帶到您網(wǎng)站的同時(shí),又能保證隱私信息不被收錄。


誤區(qū)一:我的網(wǎng)站上的所有文件都需要蜘蛛抓取,那我就沒(méi)必要在添加robots.txt文件了。反正如果該文件不存在,所有的搜索蜘蛛將默認(rèn)能夠訪問(wèn)網(wǎng)站上所有沒(méi)有被口令保護(hù)的頁(yè)面。

每當(dāng)用戶(hù)試圖訪問(wèn)某個(gè)不存在的URL時(shí),服務(wù)器都會(huì)在日志中記錄404錯(cuò)誤(無(wú)法找到文件)。每當(dāng)搜索蜘蛛來(lái)尋找并不存在的robots.txt文件時(shí),服務(wù)器也將在日志中記錄一條404錯(cuò)誤,所以你應(yīng)該做網(wǎng)站中添加一個(gè)robots.txt。
誤區(qū)二:在robots.txt文件中設(shè)置所有的文件都可以被搜索蜘蛛抓取,這樣可以增加網(wǎng)站的收錄率。
網(wǎng)站中的程序腳本、樣式表等文件即使被蜘蛛收錄,也不會(huì)增加網(wǎng)站的收錄率,還只會(huì)浪費(fèi)服務(wù)器資源。因此必須在robots.txt文件里設(shè)置不要讓搜索蜘蛛索引這些文件。
具體哪些文件需要排除, 在robots.txt使用技巧一文中有詳細(xì)介紹。
誤區(qū)三:搜索蜘蛛抓取網(wǎng)頁(yè)太浪費(fèi)服務(wù)器資源,在robots.txt文件設(shè)置所有的搜索蜘蛛都不能抓取全部的網(wǎng)頁(yè)。
如果這樣的話(huà),會(huì)導(dǎo)致整個(gè)網(wǎng)站不能被搜索引擎收錄。
robots.txt使用技巧
1. 每當(dāng)用戶(hù)試圖訪問(wèn)某個(gè)不存在的URL時(shí),服務(wù)器都會(huì)在日志中記錄404錯(cuò)誤(無(wú)法找到文件)。每當(dāng)搜索蜘蛛來(lái)尋找并不存在的robots.txt文件時(shí),服務(wù)器也將在日志中記錄一條404錯(cuò)誤,所以你應(yīng)該在網(wǎng)站中添加一個(gè)robots.txt。

2. 網(wǎng)站管理員必須使蜘蛛程序遠(yuǎn)離某些服務(wù)器上的目錄——保證服務(wù)器性能。比如:大多數(shù)網(wǎng)站服務(wù)器都有程序儲(chǔ)存在“cgi-bin”目錄下,因此在robots.txt文件中加入“Disallow: /cgi-bin”是個(gè)好主意,這樣能夠避免將所有程序文件被蜘蛛索引,可以節(jié)省服務(wù)器資源。一般網(wǎng)站中不需要蜘蛛抓取的文件有:后臺(tái)管理文件、程序腳本、附件、數(shù)據(jù)庫(kù)文件、編碼文件、樣式表文件、模板文件、導(dǎo)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(tái)管理文件
Disallow: /require/ 程序文件
Disallow: /attachment/ 附件
Disallow: /images/ 圖片
Disallow: /data/ 數(shù)據(jù)庫(kù)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
3. 如果你的網(wǎng)站是動(dòng)態(tài)網(wǎng)頁(yè),并且你為這些動(dòng)態(tài)網(wǎng)頁(yè)創(chuàng)建了靜態(tài)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(shè)置避免動(dòng)態(tài)網(wǎng)頁(yè)被蜘蛛索引,以保證這些網(wǎng)頁(yè)不會(huì)被視為含重復(fù)內(nèi)容。
4. robots.txt文件里還可以直接包括在sitemap文件的鏈接。就像這樣:
Sitemap: sitemap.xml
目前對(duì)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(gè)圈子內(nèi)。這樣做的好處就是,站長(zhǎng)不用到每個(gè)搜索引擎的站長(zhǎng)工具或者相似的站長(zhǎng)部分,去提交自己的sitemap文件,搜索引擎的蜘蛛自己就會(huì)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(wǎng)頁(yè)。
5. 合理使用robots.txt文件還能避免訪問(wèn)時(shí)出錯(cuò)。比如,不能讓搜索者直接進(jìn)入購(gòu)物車(chē)頁(yè)面。因?yàn)闆](méi)有理由使購(gòu)物車(chē)被收錄,所以你可以在robots.txt文件里設(shè)置來(lái)阻止搜索者直接進(jìn)入購(gòu)物車(chē)頁(yè)面。

標(biāo)題名稱(chēng):robots.txt協(xié)議如何使用及寫(xiě)作語(yǔ)法
URL鏈接:http://m.newbst.com/news5/32855.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián),為您提供搜索引擎優(yōu)化域名注冊(cè)品牌網(wǎng)站建設(shè)動(dòng)態(tài)網(wǎng)站網(wǎng)站建設(shè)做網(wǎng)站

廣告

聲明:本網(wǎng)站發(fā)布的內(nèi)容(圖片、視頻和文字)以用戶(hù)投稿、用戶(hù)轉(zhuǎn)載內(nèi)容為主,如果涉及侵權(quán)請(qǐng)盡快告知,我們將會(huì)在第一時(shí)間刪除。文章觀點(diǎn)不代表本網(wǎng)站立場(chǎng),如需處理請(qǐng)聯(lián)系客服。電話(huà):028-86922220;郵箱:631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載,或轉(zhuǎn)載時(shí)需注明來(lái)源: 創(chuàng)新互聯(lián)

猜你還喜歡下面的內(nèi)容

成都網(wǎng)站建設(shè)

網(wǎng)站建設(shè)知識(shí)

各行業(yè)網(wǎng)站