怎樣寫robots文件_robots文件寫法技巧_robot.txt的例子

來源：未知日期：2017-06-29 | 分類：seo

　　資料一

　　1.robots.txt文件是什么

　　robots.txt是一個(gè)純文本文件，是搜索引擎中訪問網(wǎng)站的時(shí)候要查看的第一個(gè)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(gè)站點(diǎn)最好建立一個(gè)robots.txt文件，對(duì)seo更友好。每當(dāng)搜索蜘蛛來尋找并不存在的robots.txt文件時(shí)，服務(wù)器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（即使這個(gè)robots.txt文件只是一個(gè)空文件）。

　　2.robots.txt的寫法（語法）

　　1）User-agent: 該項(xiàng)的值用于描述搜索引擎蜘蛛的名字。如果該項(xiàng)的值設(shè)為*，則該協(xié)議對(duì)任何機(jī)器人均有效。

　　2）Disallow: 該項(xiàng)的值用于描述不希望被訪問到的一個(gè)URL，一個(gè)目錄或者整個(gè)網(wǎng)站。以Disallow 開頭的URL 均不會(huì)被搜索引擎蜘蛛訪問到。任何一條Disallow 記錄為空，說明該網(wǎng)站的所有部分都允許被訪問。

　　3）用法舉例：

　　網(wǎng)站目錄下所有文件均能被所有搜索引擎蜘蛛訪問

　　User-agent: *

　　Disallow:

　　禁止所有搜索引擎蜘蛛訪問網(wǎng)站的任何部分

　　User-agent: *

　　Disallow: /

　　禁止所有的搜索引擎蜘蛛訪問網(wǎng)站的幾個(gè)目錄

　　User-agent: *

　　Disallow: /a/

　　Disallow: /b/

　　只允許某個(gè)搜索引擎蜘蛛訪問

　　User-agent: Googlebot

　　Disallow:

　　您應(yīng)該限制網(wǎng)站某些文件不被蜘蛛抓取。

　　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。

　　3.robots.txt文件帶來的風(fēng)險(xiǎn)以及解決

　　robots.txt 同時(shí)也帶來了一定的風(fēng)險(xiǎn)：其也給攻擊者指明了網(wǎng)站的目錄結(jié)構(gòu)和私密數(shù)據(jù)所在的位置。設(shè)置訪問權(quán)限，對(duì)您的隱私內(nèi)容實(shí)施密碼保護(hù)，這樣，攻擊者便無從進(jìn)入。陜西哪里做網(wǎng)站,西安網(wǎng)站維護(hù)推薦閱讀>>> 谷歌針對(duì)智能手機(jī)推出的新型Googlebot,

　　4.常見搜索引擎蜘蛛Robots名字

　　Baiduspider ：http://www.baidu.com

　　Scooter ：http://www.altavista.com

　　ia_archiver： http://www.alexa.com

　　Googlebot ：http://www.google.com

　　Inktomi Slurp ：http://www.yahoo.com

　　FAST-WebCrawler： http://www.alltheweb.com

　　Slurp ：http://www.inktomi.com

　　MSNBOT ：http://search.msn.com

　　5.注意事項(xiàng)：

　　1）robots.txt必須放置在站點(diǎn)的根目錄下，而且文件名必須全部小寫。

　　2）不要在robots.txt文件中設(shè)置所有的文件都可以被搜索蜘蛛抓取。

　　3）為安全考慮，建議很重要的文件夾不要寫在robots.txt文件中，或你只建一個(gè)空白robots.txt文件，在不要訪問的目錄中加入其它的技術(shù)（目前還在探索中……）。

　　seo會(huì)聚網(wǎng)robot.txt文件實(shí)例：www.seohj.com/robots.txt。

　　我們也可以通過Robots META標(biāo)簽來針對(duì)一個(gè)個(gè)具體的頁面。關(guān)于Robots META標(biāo)簽的詳細(xì)介紹在Robots META標(biāo)簽用法。

　　1.語法：

　　2.說明：

　　在該語法中，搜索方式的值和其對(duì)應(yīng)的含義如下:

　　all:頁面將被檢索，且頁面上的鏈接可以被查詢；

　　none:頁面不能被檢索，且頁面上的鏈接不可以被查詢；

　　index:頁面將被檢索，但不設(shè)置鏈接是否可以被查詢；

　　follow:頁面上的鏈接可以被查詢；

　　noindex:頁面不能被檢索，但頁面上的鏈接可以被查詢；

　　nofollow:頁面能被檢索，但頁面上的鏈接卻不可以被查詢。

　　3.實(shí)例：

　　該實(shí)例設(shè)定網(wǎng)頁能被檢索，但頁面上的鏈接卻不可以被查詢，代碼如下：

　　<html>

　　<head>

　　<title>限制搜索方式</title>

　　</head>

　　</html>

　　資料二

　　一．什么是robots.txt文件?

　　搜索引擎通過一種程序robot（又稱spider），自動(dòng)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(gè)純文本文件robots.txt，在這個(gè)文件中聲明該網(wǎng)站中不想被robot訪問的部分，這樣，該網(wǎng)站的部分或全部?jī)?nèi)容就可以不被搜索引擎收錄了，或者指定搜索引擎只收錄指定的內(nèi)容。西安網(wǎng)站建設(shè)推薦閱讀>>> robots.txt文件詳細(xì)解說,禁止搜索引擎收錄的方法，

　　二. robots.txt文件放在哪里?

　　robots.txt文件應(yīng)該放在網(wǎng)站根目錄下。舉例來說，當(dāng)robots訪問一個(gè)網(wǎng)站（比如http://www.abc.com）時(shí)，首先會(huì)檢查該網(wǎng)站中是否存在http://www.abc.com/robots.txt這個(gè)文件，如果機(jī)器人找到這個(gè)文件，它就會(huì)根據(jù)這個(gè)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

　　三. 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>:<optionalspace><value><optionalspace>"。

　　在該文件中可以使用#進(jìn)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行,詳細(xì)情況如下：

　　User-agent:

　　該項(xiàng)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(gè)robot會(huì)受到該協(xié)議的限制，對(duì)該文件來說，至少要有一條User-agent記錄。如果該項(xiàng)的值設(shè)為*，則該協(xié)議對(duì)任何機(jī)器人均有效，在"robots.txt"文件中，"User-agent：*"這樣的記錄只能有一條。

　　Disallow :

　　該項(xiàng)的值用于描述不希望被訪問到的一個(gè)URL，這個(gè)URL可以是一條完整的路徑，也可以是部分的，任何以Disallow 開頭的URL均不會(huì)被robot訪問到。例如"Disallow: /help"對(duì)/help.html 和/help/index.html都不允許搜索引擎訪問，而"Disallow: /help/"則允許robot訪問/help.html，而不能訪問/help/index.html。

　　任何一條Disallow記錄為空，說明該網(wǎng)站的所有部分都允許被訪問，在"/robots.txt"文件中，至少要有一條Disallow記錄。如果"/robots.txt"是一個(gè)空文件，則對(duì)于所有的搜索引擎robot，該網(wǎng)站都是開放的。西安做網(wǎng)站推薦閱讀>>> 使用robots.txt引導(dǎo)百度爬蟲合理分配抓取資源，

　　四. 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(gè)空文件 "/robots.txt" file)

　　User-agent: *

　　Disallow:

　　例3. 禁止某個(gè)搜索引擎的訪問

　　User-agent: BadBot

　　Disallow: /

　　例4. 允許某個(gè)搜索引擎的訪問

　　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)搜索引擎的訪問做了限制，即搜索引擎不會(huì)訪問這三個(gè)目錄。

　　需要注意的是對(duì)每一個(gè)目錄必須分開聲明，而不要寫成 "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/

　　五. robots.txt文件參考資料

　　robots.txt文件的更具體設(shè)置,請(qǐng)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

　　在你的主頁中為Web Robot設(shè)計(jì)路標(biāo)

　　Internet越來越酷，WWW的知名度如日中天。在Internet上發(fā)布公司信息、進(jìn)行電子商務(wù)已經(jīng)從時(shí)髦演化成時(shí)尚。作為一個(gè)Web Master，你可能對(duì)HTML、java script、Java、 ActiveX了如指掌，但你是否知道什么是Web Robot？你是否知道Web Robot和你所設(shè) 計(jì)的主頁有什么關(guān)系？

　　Internet上的流浪漢--- Web Robot

　　有時(shí)你會(huì)莫名其妙地發(fā)現(xiàn)你的主頁的內(nèi)容在一個(gè)搜索引擎中被索引，即使你從未與他們有過任何聯(lián)系。其實(shí)這正是Web Robot的功勞。Web Robot其實(shí)是一些程序，它可以穿越大量Internet網(wǎng)址的超文本結(jié)構(gòu)，遞歸地檢索網(wǎng)絡(luò)站點(diǎn)所有的內(nèi)容。這些程序有時(shí)被叫 “蜘蛛（Spider）” ， “網(wǎng)上流浪漢（Web Wanderer）”，“網(wǎng)絡(luò)蠕蟲（web worms）”或Web crawler。一些Internet網(wǎng)上知名的搜索引擎站點(diǎn)（Search Engines）都有專門的Web Robot程序來完成信息的采集，例如Lycos，Webcrawler，Altavista等，以及中文搜索引擎站點(diǎn)例如北極星，網(wǎng)易，GOYOYO等。西安網(wǎng)站建設(shè)推薦閱讀>>> 帶你玩轉(zhuǎn)robots協(xié)議，新手必備，

　　Web Robot就象一個(gè)不速之客，不管你是否在意，它都會(huì)忠于自己主人的職責(zé)，任勞任怨、不知疲倦地奔波于萬維網(wǎng)的空間，當(dāng)然也會(huì)光臨你的主頁，檢索主頁內(nèi)容并生成它所需要的記錄格式?；蛟S有的主頁內(nèi)容你樂于世人皆知，但有的內(nèi)容你卻不愿被洞察、索引。難道你就只能任其“橫行”于自己主頁空間，能否指揮和控制Web Robot的行蹤呢？答案當(dāng)然是肯定的。只要你閱讀了本篇的下文，就可以象一個(gè)交通警察一樣，布置下一個(gè)個(gè)路標(biāo)，告訴Web Robot應(yīng)該怎么去檢索你的主頁，哪些可以檢索，哪些不可以訪問。

　　其實(shí)Web Robot能聽懂你的話

　　不要以為Web Robot是毫無組織，毫無管束地亂跑。很多Web Robot軟件給網(wǎng)絡(luò)站點(diǎn)的管理員或網(wǎng)頁內(nèi)容制作者提供了兩種方法來限制Web Robot的行蹤：

　　1、Robots Exclusion Protocol 協(xié)議

　　網(wǎng)絡(luò)站點(diǎn)的管理員可以在站點(diǎn)上建立一個(gè)專門格式的文件，來指出站點(diǎn)上的哪一部分可以被robot訪問, 這個(gè)文件放在站點(diǎn)的根目錄下，即robots.txt." target="_blank">http://.../robots.txt.

　　2、Robots META tag

　　一個(gè)網(wǎng)頁作者可以使用專門的HTML META tag ，來指出某一個(gè)網(wǎng)頁是否可以被索引、分析或鏈接。

　　這些方法適合于大多數(shù)的Web Robot，至于是否在軟件中實(shí)施了這些方法，還依賴于 Robot的開發(fā)者，并非可以保證對(duì)任何Robot都靈驗(yàn)。如果你迫切需要保護(hù)自己內(nèi)容，則應(yīng)考慮采用諸如增加密碼等其他保護(hù)方法。

　　使用Robots Exclusion Protocol協(xié)議

　　當(dāng)Robot訪問一個(gè) Web 站點(diǎn)時(shí)，比如http://www.sti.net.cn/，它先去檢查文件robots.txt" target="_blank">http://www.sti.net.cn/robots.txt。如果這個(gè)文件存在，它便會(huì)按照這樣的記錄格式去分析：

　　User-agent: *

　　Disallow: /cgi-bin/

　　Disallow: /tmp/

　　Disallow: /~joe/

　　以確定它是否應(yīng)該檢索站點(diǎn)的文件。這些記錄是專門給Web Robot看的，一般的瀏覽者大概永遠(yuǎn)不會(huì)看到這個(gè)文件，所以千萬不要異想天開地在里面加入形似<img src=*> 類的HTML語句或是“How do you do? where are you from?”之類假情假意的問候語。

　　在一個(gè)站點(diǎn)上只能有一個(gè) "/robots.txt" 文件，而且文件名的每個(gè)字母要求全部是小寫。在Robot的記錄格式中每一個(gè)單獨(dú)的"Disallow"行表示你不希望Robot訪問的URL，每個(gè)URL必須單獨(dú)占一行，不能出現(xiàn) "Disallow: /cgi-bin/ /tmp/"這樣的病句。同時(shí)在一個(gè)記錄中不能出現(xiàn)空行，這是因?yàn)榭招惺嵌鄠€(gè)記錄分割的標(biāo)志。

　　User-agent行指出的是Robot或其他代理的名稱。在User-agent行，''*'' 表示一個(gè)特殊的含義---所有的robot。

　　下面是幾個(gè)robot.txt的例子：

　　在整個(gè)服務(wù)器上拒絕所有的robots：

　　User-agent: *

　　Disallow: /

　　允許所有的robots訪問整個(gè)站點(diǎn)：

　　User-agent: *

　　Disallow:

　　或者產(chǎn)生一個(gè)空的 "/robots.txt" 文件。

　　服務(wù)器的部分內(nèi)容允許所有的robot訪問

　　User-agent: *

　　Disallow: /cgi-bin/

　　Disallow: /tmp/

　　Disallow: /private/

　　拒絕某一個(gè)專門的robot：

　　User-agent: BadBot

　　Disallow: /

　　只允許某一個(gè)robot光顧：

　　User-agent: WebCrawler

　　Disallow:

　　User-agent: *

　　Disallow: /

　　最后我們給出 http://www.w3.org/站點(diǎn)上的robots.txt：

　　# For use by search.w3.org

　　User-agent: W3Crobot/1

　　Disallow:

　　User-agent: *

　　Disallow: /Member/ # This is restricted to W3C Members only

　　Disallow: /member/ # This is restricted to W3C Members only

　　Disallow: /team/ # This is restricted to W3C Team only

　　Disallow: /TandS/Member # This is restricted to W3C Members only

　　Disallow: /TandS/Team # This is restricted to W3C Team only

　　Disallow: /Project

　　Disallow: /Systems

　　Disallow: /Web

　　Disallow: /Team

　　使用Robots META tag方式

　　Robots META tag 允許HTML網(wǎng)頁作者指出某一頁是否可以被索引，或是否可以用來查找更多的鏈接文件。目前只有部分robot實(shí)施了這一功能。

　　Robots META tag的格式為：

　　象其他的META tag一樣，它應(yīng)該放在HTML文件的HEAD區(qū)：

　　<html>

　　<head>

　　</head>

　　<body>

　　...

　　Robots META tag指令使用逗號(hào)隔開，可以使用的指令包括 [NO]INDEX 和[NO]FOLLOW。INDEX 指令指出一個(gè)索引性robot是否可以對(duì)本頁進(jìn)行索引；FOLLOW 指令指出robot是否可以跟蹤本頁的鏈接。缺省的情況是INDEX和FOLLOW。例如：

　　一個(gè)好的Web 站點(diǎn)管理員應(yīng)該將robot的管理考慮在內(nèi)，使robot為自己的主頁服務(wù)，同時(shí)又不損害自己網(wǎng)頁的安全

　　資料三

　　什么是robots.txt？

　　robots.txt

　　robots.txt是搜索引擎中訪問網(wǎng)站的時(shí)候要查看的第一個(gè)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。

　　當(dāng)一個(gè)搜索蜘蛛訪問一個(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)容來確定訪問的范圍；如果該文件不存在，所有的搜索蜘蛛將能夠訪問網(wǎng)站上所有沒有被口令保護(hù)的頁面。百度官方建議，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(shí)，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(qǐng)勿建立robots.txt文件。

　　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。

　　語法：最簡(jiǎn)單的 robots.txt 文件使用兩條規(guī)則：

　　• User-Agent: 適用下列規(guī)則的漫游器

　　• Disallow: 要攔截的網(wǎng)頁

　　robots.txt在SEO中作用

　　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，以前寫過一篇網(wǎng)站優(yōu)化robots.txt文件的運(yùn)用, 現(xiàn)在寫這編文章在補(bǔ)充一點(diǎn)點(diǎn)知識(shí)！什么是robots.txt文件

　　搜索引擎通過一種爬蟲spider程序（又稱搜索蜘蛛、robot、搜索機(jī)器人等），自動(dòng)搜集互聯(lián)網(wǎng)上的網(wǎng)頁并獲取相關(guān)信息。西安做網(wǎng)站推薦閱讀>>> robots.txt文件的重要作用意義，

　　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)搜索引擎的爬蟲訪問一個(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，那么爬蟲就沿著鏈接抓取，如果存在，爬蟲就會(huì)按照該文件中的內(nèi)容來確定訪問的范圍。

　　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。robots.txt文件的格式

　　User-agent: 定義搜索引擎的類型

　　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型有： (User-agent區(qū)分大小寫)

　　google蜘蛛：Googlebot

　　百度蜘蛛：Baiduspider

　　yahoo蜘蛛：Yahoo!slurp

　　alexa蜘蛛：ia_archiver

　　bing蜘蛛：MSNbot

　　altavista蜘蛛：scooter

　　lycos蜘蛛：lycos_spider_(t-rex)

　　alltheweb蜘蛛：fast-webcrawler

　　inktomi蜘蛛： slurp

　　Soso蜘蛛:Sosospider

　　Google Adsense蜘蛛:Mediapartners-Google

　　有道蜘蛛:YoudaoBot

　　robots.txt文件的寫法

　　User-agent: * 這里的*代表的所有的搜索引擎種類，*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目錄下面的目錄

　　Disallow: /cgi-bin/*.htm 禁止訪問/cgi-bin/目錄下的所有以".htm"為后綴的URL(包含子目錄)。

　　Disallow: /*?* 禁止訪問網(wǎng)站中所有的動(dòng)態(tài)頁面

　　Disallow: /jpg$ 禁止抓取網(wǎng)頁所有的.jpg格式的圖片

　　Disallow:/ab/adc.html 禁止爬去ab文件夾下面的adc.html文件。

　　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$ 僅允許訪問以".htm"為后綴的URL。

　　Allow: .gif$ 允許抓取網(wǎng)頁和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: /

　　User-agent: baiduspider

　　Disallow: /

　　很顯然淘寶不允許百度的機(jī)器人訪問其網(wǎng)站下其所有的目錄。

　　例2. 允許所有的robot訪問 (或者也可以建一個(gè)空文件 “/robots.txt” file)

　　User-agent: *

　　Allow:

　　例3. 禁止某個(gè)搜索引擎的訪問

　　User-agent: BadBot

　　Disallow: /

　　例4. 允許某個(gè)搜索引擎的訪問

　　User-agent: Baiduspider

　　allow:/

　　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)搜索引擎的訪問做了限制，即搜索引擎不會(huì)訪問這三個(gè)目錄。

　　需要注意的是對(duì)每一個(gè)目錄必須分開聲明，而不要寫成 “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 以外的所有漫游器不能訪問您的網(wǎng)頁，可以使用下列語法：

　　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)頁面之外的其他所有頁面，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。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) (*) 來匹配字符序列。例如，要攔截對(duì)所有以 private 開頭的子目錄的訪問，可使用下列條目：

　　User-Agent:Googlebot

　　Disallow:/private*/

　　要攔截對(duì)所有包含問號(hào) (?) 的網(wǎng)址的訪問，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 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。但是，以 ? 結(jié)尾的網(wǎng)址可能是您要包含的網(wǎng)頁版本。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頭、后接任意字符串，然后是問號(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頭、后接任意字符串，然后是問號(hào) (?)，問號(hào)之后沒有任何字符的網(wǎng)址）。西安做網(wǎng)站推薦閱讀>>> robots.txt文件的格式，

　　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情況，而Robots Meta標(biāo)簽則主要是針對(duì)一個(gè)個(gè)具體的頁面。和其他的META標(biāo)簽（如使用的語言、頁面的描述、關(guān)鍵詞等）一樣，Robots Meta標(biāo)簽也是放在頁面中，專門用來告訴搜索引擎ROBOTS如何抓取該頁的內(nèi)容。

　　Robots Meta標(biāo)簽中沒有大小寫之分，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)器人抓取該頁面；

　　follow指令表示搜索機(jī)器人可以沿著該頁面上的鏈接繼續(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，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)頁快照。

　　編輯本段robots.txt使用誤區(qū)

　　特別提示：robots里面內(nèi)容的大小寫不可更改，Disallow后面的冒號(hào)必須為英文狀態(tài)的。

　　誤區(qū)一

　　網(wǎng)站上所有的文件都需要被蜘蛛抓取，那就沒必要添加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)能夠訪問網(wǎng)站上所有沒有被口令保護(hù)的頁面。

　　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)站中的腳本程序、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)占用服務(wù)器存儲(chǔ)空間。因此必須在robots.txt文件里設(shè)置不要讓搜索蜘蛛索引腳本程序、樣式表等文件，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)頁太浪費(fèi)服務(wù)器資源，在robots.txt文件中設(shè)置所有的搜索蜘蛛都不能抓取全部的網(wǎng)頁。

　　如果這樣的話，會(huì)導(dǎo)致整個(gè)網(wǎng)站不能被搜索引擎收錄。

　　編輯本段robots.txt使用技巧

　　文件

　　1. 每當(dāng)用戶試圖訪問某個(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（無法找到文件）。每當(dāng)搜索蜘蛛來尋找并不存在的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，并且你為這些動(dòng)態(tài)網(wǎng)頁創(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)頁被蜘蛛索引，以保證這些網(wǎng)頁不會(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: http://www.***.com/sitemap.xml

　　(此處請(qǐng)?zhí)顚慩ML地圖的絕對(duì)路徑，即完整URL，如果按習(xí)慣填寫Sitemap: /sitemap.xml，提交后會(huì)提示：檢測(cè)到無效的 Sitemap 網(wǎng)址；語法錯(cuò)誤。

　　XML地圖必須在網(wǎng)站根目錄下才有效。)

　　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。

　　5. 合理使用robots.txt文件還能避免訪問時(shí)出錯(cuò)。比如，不能讓搜索者直接進(jìn)入購物車頁面。因?yàn)闆]有理由使購物車被收錄，所以你可以在robots.txt文件里設(shè)置來阻止搜索者直接進(jìn)入購物車頁面。

　　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>:<optionalspace><value><optionalspace>"。

　　在該文件中可以使用#進(jìn)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(xì)情況如下：

　　User-agent:

　　該項(xiàng)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(gè)robot會(huì)受到"robots.txt"的限制，對(duì)該文件來說，至少要有一條User-agent記錄。如果該項(xiàng)的值設(shè)為*，則對(duì)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(xiàng)的值用于描述不希望被訪問的一組URL，這個(gè)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(xiàng)的值開頭的URL不會(huì)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(duì)于所有的搜索引擎robot，該網(wǎng)站都是開放的。

　　Allow:

　　該項(xiàng)的值用于描述希望被訪問的一組URL，與Disallow項(xiàng)相似，這個(gè)值可以是一條完整的路徑，也可以是路徑的前綴，以Allow項(xiàng)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(gè)網(wǎng)站的所有URL默認(rèn)是Allow的，所以Allow通常與Disallow搭配使用，實(shí)現(xiàn)允許訪問一部分網(wǎng)頁同時(shí)禁止訪問其它所有URL的功能。

　　需要特別注意的是Disallow與Allow行的順序是有意義的，robot會(huì)根據(jù)第一個(gè)匹配成功的Allow或Disallow行確定是否訪問某個(gè)URL。

　　使用"*"和"$"：

　　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(gè)任意字符。

　　robots.txt文件字符編碼

　　robots.txt使用什么字符編碼，并沒有相關(guān)規(guī)定，都是各搜索引擎自已定義的。雖然google和其它搜索引擎建議大家使用 utf-8 字符編碼格式的robots.txt，但幾乎所有的搜索引擎都支持 ANSI 編碼格式，而google自已對(duì) utf-8 編碼格式的robots.txt，會(huì)出現(xiàn)首字亂碼。所以為了達(dá)到最大的兼容性，建議大家使用 ANSI 格式編碼，或者使用 utf-8 編碼格式，但需要空出首行。西安做網(wǎng)站推薦閱讀>>> 搜索引擎統(tǒng)一robots文件標(biāo)準(zhǔn)，

　　還有一個(gè)建議就是robots.txt中最好不要出現(xiàn)中文，即使是注釋也要使用英文。

　　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 User-agent: *

　　Disallow: /

　　例2.允許所有的robot訪問

　　(或者也可以建一個(gè)空文件 "/robots.txt") 第1種寫法

　　User-agent: *

　　Allow: /

　　第2種寫法

　　User-agent: *

　　Allow:

　　第3種寫法

　　User-agent: *

　　Disallow:

　　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: /

　　例5. 禁止spider訪問特定目錄

　　在這個(gè)例子中，該網(wǎng)站有三個(gè)目錄對(duì)搜索引擎的訪問做了限制，即robot不會(huì)訪問這三個(gè)目錄。需要注意的是對(duì)每一個(gè)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6. 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

　　例7. 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8. 使用"$"限制訪問url

　　僅允許訪問以".htm"為后綴的URL。 User-agent: *

　　Allow: / .htm$

　　例9. 禁止訪問網(wǎng)站中所有的動(dòng)態(tài)頁面 User-agent: *

　　Disallow: /*?*

　　例10. 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11. 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12. 僅禁止Baiduspider抓取。jpg格式圖片 User-agent: /Baiduspider

　　Disallow: /.jpg$

　　百度各個(gè)產(chǎn)品使用不同的user-agent：

　　無線搜索 Baiduspider-mobile

　　圖片搜索 Baiduspider-image

　　視頻搜索 Baiduspider-video

　　新聞搜索 Baiduspider-news

　　百度搜藏 Baiduspider-favo

　　百度聯(lián)盟 Baiduspider-cpro

　　商務(wù)搜索 Baiduspider-ads

　　網(wǎng)頁以及其他搜索 Baiduspider

相關(guān)文章：

利用robots.txt禁止百度蜘蛛Baidusppider抓取

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(shí)又...
【官方說法】robots文件是否支持中文目錄

有同學(xué)問百度站長(zhǎng)學(xué)院一個(gè)關(guān)于robots的問題：我們有個(gè)站點(diǎn)的目錄結(jié)構(gòu)使用的是中文，這樣式兒的：www.a.com/冒險(xiǎn)島/123.html，那在制作robots文件和sitemap文件的時(shí)候，可以直接使用中文嗎？百度能...
網(wǎng)站誤封Robots該如何處理

robots文件是搜索生態(tài)中很重要的一個(gè)環(huán)節(jié)，同時(shí)也是一個(gè)很細(xì)節(jié)的環(huán)節(jié)。很多站長(zhǎng)同學(xué)在網(wǎng)站運(yùn)營(yíng)過程中，很容易忽視r(shí)obots文件的存在，進(jìn)行錯(cuò)誤覆蓋或者全部封禁robots，造成不必要損失！那...
禁止百度圖片搜索收錄某些圖片的方法

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(shí)現(xiàn)：西安廣告...
使用robots巧妙避免蜘蛛黑洞

對(duì)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(dòng)態(tài)URL ，就像一個(gè)無限循環(huán)的黑洞，將spider困住。spider浪費(fèi)了大量資源抓取的卻是無效網(wǎng)...
robots.txt寫法_怎么寫robots

robots是站點(diǎn)與spider溝通的重要渠道，站點(diǎn)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(qǐng)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...
百度站長(zhǎng)平臺(tái)robots工具升級(jí)公告

親愛的網(wǎng)站管理員，很高興的告訴大家，百度站長(zhǎng)平臺(tái) robots 工具全新升級(jí)，升級(jí)后能夠?qū)崟r(shí)查看網(wǎng)站在百度中已生效的的robots文件，并支持對(duì)robots進(jìn)行語法及邏輯校驗(yàn)，有助于站長(zhǎng)更清晰的...
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 spacevalueoptionalspace 在該文件中可以使用#進(jìn)行注解，具體使...
robots.txt文件是什么？

搜索引擎通過一種程序robot（又稱spider），自動(dòng)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(gè)純文本文件robots.txt，在這個(gè)文件中聲明該網(wǎng)站中不想被robot 訪問的部分，這...
Robots.txt文件

Robots.txt對(duì)于任何一個(gè)從事SEO研究工作的人都是至關(guān)重要的，因?yàn)橥高^ Robots.txt 我們可以直接與搜索引擎蜘蛛進(jìn)行對(duì)話，告訴他們哪些可以抓取，哪些不可以抓取。一、為什么設(shè)置Robots.txt？在...

上一篇：robots.txt文件的格式
下一篇：百度站長(zhǎng)平臺(tái)robots工具升級(jí)公告

亚洲欧美成人综合一区_国产精品一区二区无码_亚洲风情偷拍区_成?人免费无码视频在线看

怎樣寫robots文件_robots文件寫法技巧_robot.txt的例子