客服
robots.txt文件詳細解說,禁止搜索引擎收錄的方法
1. 什么是robots.txt文件?
搜索引擎使用spider程序自動訪問互聯(lián)網(wǎng)上的網(wǎng)頁并獲取網(wǎng)頁信息。spider在訪問一個網(wǎng)站時，會首先會檢查該網(wǎng)站的根域下是否有一個叫 做 robots.txt的純文本文件，這個文件用于指定spider在您網(wǎng)站上的抓取范圍。您可以在您的網(wǎng)站中創(chuàng)建一個robots.txt，在文件中 聲明 該網(wǎng)站中不想被搜索引擎收錄的部分或者指定搜索引擎只收錄特定的部分。
請注意，僅當(dāng)您的網(wǎng)站包含不希望被搜索引擎收錄的內(nèi)容時，才需要使用robots.txt文件。如果您希望搜索引擎收錄網(wǎng)站上所有內(nèi)容，請勿建立robots.txt文件。 西安專業(yè)做網(wǎng)站公司,網(wǎng)站制作公司推薦閱讀>>> 怎樣寫robots文件_robots文件寫法技巧_robot.txt的例子,
2. robots.txt文件放在哪里?
robots.txt 文件應(yīng)該放置在網(wǎng)站根目錄下。舉例來說，當(dāng)spider訪問一個網(wǎng)站（比如 http://www.abc.com）時，首先會檢查該網(wǎng)站中是否存在 http://www.abc.com/robots.txt這個文件，如果 Spider找到這個文件，它就會根據(jù)這個文件的內(nèi)容，來確定它訪問權(quán)限的 范圍。
| 網(wǎng)站 URL | 相應(yīng)的 robots.txt的 URL |
| http://www.w3.org/ | http://www.w3.org/robots.txt |
| http://www.w3.org:80/ | http://www.w3.org:80/robots.txt |
| http://www.w3.org:1234/ | http://www.w3.org:1234/robots.txt |
| http://w3.org/ | http://w3.org/robots.txt |
3. 我在robots.txt中設(shè)置了禁止百度收錄我網(wǎng)站的內(nèi)容，為何還出現(xiàn)在百度搜索結(jié)果中？
如果其他網(wǎng)站鏈接了您robots.txt文件中設(shè)置的禁止收錄的網(wǎng)頁，那么這些網(wǎng)頁仍然可能會出現(xiàn)在百度的搜索結(jié)果中，但您的網(wǎng)頁上的內(nèi)容不會被抓取、建入索引和顯示，百度搜索結(jié)果中展示的僅是其他網(wǎng)站對您相關(guān)網(wǎng)頁的描述。
4. 禁止搜索引擎跟蹤網(wǎng)頁的鏈接，而只對網(wǎng)頁建索引
如果您不想搜索引擎追蹤此網(wǎng)頁上的鏈接，且不傳遞鏈接的權(quán)重，請將此元標(biāo)記置入網(wǎng)頁的<HEAD> 部分：
<meta name="robots" content="nofollow">
如果您不想百度追蹤某一條特定鏈接，百度還支持更精確的控制，請將此標(biāo)記直接寫在某條鏈接上：
<a href="signin.php" rel="nofollow">signin</a>
要允許其他搜索引擎跟蹤，但僅防止百度跟蹤您網(wǎng)頁的鏈接，請將此元標(biāo)記置入網(wǎng)頁的<HEAD> 部分：
<meta name="Baiduspider" content="nofollow">
5. 禁止搜索引擎在搜索結(jié)果中顯示網(wǎng)頁快照，而只對網(wǎng)頁建索引
要防止所有搜索引擎顯示您網(wǎng)站的快照，請將此元標(biāo)記置入網(wǎng)頁的<HEAD>部分：
<meta name="robots" content="noarchive">
要允許其他搜索引擎顯示快照，但僅防止百度顯示，請使用以下標(biāo)記：
<meta name="Baiduspider" content="noarchive">
注：此標(biāo)記只是禁止百度顯示該網(wǎng)頁的快照，百度會繼續(xù)為網(wǎng)頁建索引，并在搜索結(jié)果中顯示網(wǎng)頁摘要。 西安網(wǎng)站建設(shè)需要多少錢,西安網(wǎng)站建設(shè)推薦閱讀>>> robots.txt文件的重要作用意義,
6. 我想禁止百度圖片搜索收錄某些圖片，該如何設(shè)置？
禁止Baiduspider抓取網(wǎng)站上所有圖片、禁止或允許Baiduspider抓取網(wǎng)站上的某種特定格式的圖片文件可以通過設(shè)置robots實現(xiàn)，請參考“robots.txt文件用法舉例”中的例10、11、12。
7. robots.txt文件的格式
"robots.txt"文件包含一條或更多的記錄，這些記錄通過空行分開（以CR,CR/NL, or NL作為結(jié)束符），每一條記錄的格式如下所示：
"<field>:<optional space><value><optionalspace>"
在該文件中可以使用#進行注解，具體使用方法和UNIX中的慣例一樣。該文件中的記錄通常以一行或多行User-agent開始，后面加上若干Disallow和Allow行,詳細情況如下：
User-agent:
該項的值用于描述搜索引擎robot的名字。在"robots.txt"文件中，如果有多條User-agent記錄說明有多個robot會 受 到"robots.txt"的限制，對該文件來說，至少要有一條User-agent記錄。如果該項的值設(shè)為*，則對任何robot均有 效， 在"robots.txt"文件中，"User-agent:*"這樣的記錄只能有一條。如果在"robots.txt"文件中，加 入"User- agent:SomeBot"和若干Disallow、Allow行，那么名為"SomeBot"只受到"User- agent:SomeBot"后面的 Disallow和Allow行的限制。
Disallow:
該 項的值用于描述不希望被訪問的一組URL，這個值可以是一條完整的路徑，也可以是路徑的非空前綴，以Disallow項的值開頭的URL不會 被 robot訪問。例如"Disallow:/help"禁止robot訪問/help.html、/helpabc.html、 /help /index.html，而"Disallow:/help/"則允許robot訪問/help.html、/helpabc.html，不 能訪問 /help/index.html。"Disallow:"說明允許robot訪問該網(wǎng)站的所有url，在"/robots.txt"文件中，至 少要有一條Disallow記錄。如果"/robots.txt"不存在或者為空文件，則對于所有的搜索引擎robot，該網(wǎng)站都是開放的。西安制做網(wǎng)站公司,西安建站公司推薦閱讀>>> 谷歌針對智能手機推出的新型Googlebot,
Allow:
該項的值用于描述希望被訪問的一組URL，與Disallow項相似，這個值可以是一條完整的路徑，也可以是路徑的前綴，以Allow項的值開頭 的 URL 是允許robot訪問的。例如"Allow:/hibaidu"允許robot訪問/hibaidu.htm、 /hibaiducom.html、 /hibaidu/com.html。一個網(wǎng)站的所有URL默認是Allow的，所以Allow通常與 Disallow搭配使用，實現(xiàn)允許訪問一部分網(wǎng)頁同時禁止訪問其它所有URL的功能。
使用"*"and"$"：
Baiduspider支持使用通配符"*"和"$"來模糊匹配url。
"$" 匹配行結(jié)束符。
"*" 匹配0或多個任意字符。
注：我們會嚴(yán)格遵守robots的相關(guān)協(xié)議，請注意區(qū)分您不想被抓取或收錄的目錄的大小寫，我們會對robots中所寫的文件和您不想被抓取和收錄的目錄做精確匹配，否則robots協(xié)議無法生效。
8. URL匹配舉例
| Allow或Disallow的值 | URL | 匹配結(jié)果 |
| /tmp | /tmp | yes |
| /tmp | /tmp.html | yes |
| /tmp | /tmp/a.html | yes |
| /tmp | /tmphoho | no |
| /Hello* | /Hello.html | yes |
| /He*lo | /Hello,lolo | yes |
| /Heap*lo | /Hello,lolo | no |
| html$ | /tmpa.html | yes |
| /a.html$ | /a.html | yes |
| htm$ | /a.html | no |
9. robots.txt文件用法舉例
|
例1. 禁止所有搜索引擎訪問網(wǎng)站的任何部分 下載該robots.txt文件 |
User-agent: * Disallow: / |
|
例2. 允許所有的robot訪問 (或者也可以建一個空文件 "/robots.txt") |
User-agent: * Allow: / |
| 例3. 僅禁止Baiduspider訪問您的網(wǎng)站 |
User-agent: Baiduspider Disallow: / |
| 例4. 僅允許Baiduspider訪問您的網(wǎng)站 |
User-agent: Baiduspider Allow: / User-agent: * Disallow: / |
| 例5. 僅允許Baiduspider以及Googlebot訪問 |
User-agent: Baiduspider |
|
例6. 禁止spider訪問特定目錄 在這個例子中，該網(wǎng)站有三個目錄對搜索引擎的訪問做了限制，即robot不會訪問這三個目錄。需要注意的是對每一個目錄必須分開聲明，而不能寫成 "Disallow: /cgi-bin/ /tmp/"。 |
User-agent: * Disallow: /cgi-bin/ Disallow: /tmp/ Disallow: /~joe/ |
| 例7. 允許訪問特定目錄中的部分url |
User-agent: * Allow: /cgi-bin/see Allow: /tmp/hi Allow: /~joe/look Disallow: /cgi-bin/ Disallow: /tmp/ Disallow: /~joe/ |
|
例8. 使用"*"限制訪問url 禁止訪問/cgi-bin/目錄下的所有以".htm"為后綴的URL(包含子目錄)。 |
User-agent: * Disallow: /cgi-bin/*.htm |
|
例9. 使用"$"限制訪問url 僅允許訪問以".htm"為后綴的URL。 |
User-agent: * Allow: /*.htm$ Disallow: / |
| 例10. 禁止訪問網(wǎng)站中所有的動態(tài)頁面 |
User-agent: * Disallow: /*?* |
|
例11. 禁止Baiduspider抓取網(wǎng)站上所有圖片 僅允許抓取網(wǎng)頁，禁止抓取任何圖片。 |
User-agent: Baiduspider Disallow: /*.jpg$ Disallow: /*.jpeg$ Disallow: /*.gif$ Disallow: /*.png$ Disallow: /*.bmp$ |
|
例12. 僅允許Baiduspider抓取網(wǎng)頁和.gif格式圖片 允許抓取網(wǎng)頁和gif格式圖片，不允許抓取其他格式圖片 |
User-agent: Baiduspider Allow: /*.gif$ Disallow: /*.jpg$ Disallow: /*.jpeg$ Disallow: /*.png$ Disallow: /*.bmp$ |
| 例13. 僅禁止Baiduspider抓取.jpg格式圖片 |
User-agent: Baiduspider Disallow: /*.jpg$ |
10. robots.txt文件參考資料
robots.txt文件的更具體設(shè)置,請參看以下鏈接：
Web Server Administrator's Guide to the Robots Exclusion Protocol
HTML Author's Guide to the Robots Exclusion Protocol
The original 1994 protocol description, as currently deployed
The revised Internet-Draft specification, which is not yet completed or implemented
相關(guān)文章：
-
User-agent: * Disallow: / Allow: /complain/ Allow: /media_partners/ Allow: /about/ Allow: /user_agreement/ User-agent: ByteSpider Allow: / User-agent: ToutiaoSpider Allow: / 以上是今日頭條的robots.txt，禁止所有搜索引擎收錄，同時又...
-
有同學(xué)問百度站長學(xué)院一個關(guān)于robots的問題：我們有個站點的目錄結(jié)構(gòu)使用的是中文，這樣式兒的：www.a.com/冒險島/123.html，那在制作robots文件和sitemap文件的時候，可以直接使用中文嗎？百度能...
-
robots文件是搜索生態(tài)中很重要的一個環(huán)節(jié)，同時也是一個很細節(jié)的環(huán)節(jié)。很多站長同學(xué)在網(wǎng)站運營過程中，很容易忽視robots文件的存在，進行錯誤覆蓋或者全部封禁robots，造成不必要損失！ 那...
-
目前百度圖片搜索也使用了與百度網(wǎng)頁搜索相同的spider，如果想禁止Baiduspider抓取網(wǎng)站上所有圖片、禁止或允許Baiduspider抓取網(wǎng)站上的某種特定格式的圖片文件可以通過設(shè)置robots實現(xiàn)：西安廣告...
-
對于百度搜索引擎來說，蜘蛛黑洞特指網(wǎng)站通過極低的成本制造出大量參數(shù)過多、內(nèi)容類同但url不同的動態(tài)URL ，就像一個無限循環(huán)的黑洞，將spider困住。spider浪費了大量資源抓取的卻是無效網(wǎng)...
-
robots是站點與spider溝通的重要渠道，站點通過robots文件聲明該網(wǎng)站中不想被搜索引擎收錄的部分或者指定搜索引擎只收錄特定的部分。請注意，僅當(dāng)您的網(wǎng)站包含不希望被搜索引擎收錄的內(nèi)容...
-
親愛的網(wǎng)站管理員， 很高興的告訴大家，百度站長平臺 robots 工具全新升級，升級后能夠?qū)崟r查看網(wǎng)站在百度中已生效的的robots文件，并支持對robots進行語法及邏輯校驗，有助于站長更清晰的...
-
資料一 1.robots.txt文件是什么 robots.txt是一個純文本文件，是搜索引擎中訪問網(wǎng)站的時候要查看的第一個文件。robots.txt文件告訴蜘蛛程序在服務(wù)器上什么文件是可以被查看的。每個站點最好建立...
-
robots.txt文件包含一條或更多的記錄，這些記錄通過空行分開（以CR,CR/NL, or NL作為結(jié)束符），每一條記錄的格式如下所示： field:optional spacevalueoptionalspace 在該文件中可以使用#進行注解，具體使...
-
搜索引擎通過一種程序robot（又稱spider），自動訪問互聯(lián)網(wǎng)上的網(wǎng)頁并獲取網(wǎng)頁信 息。您可以在您的網(wǎng)站中創(chuàng)建一個純文本文件robots.txt，在這個文件中聲明該網(wǎng)站中不想被robot 訪問的部分，這...