如何编写robots.txt文件(页 1) - FreeBSD - ≡ 典典 - 单机游戏攻略 ≡

admin 发表于 2008-3-12 13:16

如何编写robots.txt文件

在一个网站里，robots.txt是一个重要的文件，每个网站都应当有一个设置正确的robots.txt。
　　当搜索引擎来抓取你的网站文件之前，它们会先来看看你网站的robots.txt文件的设置，以了解你所允许它抓取的范围，包括哪些文件，哪些目录。
0NO0_a3@V5w~
那么如何配置您的robots.txt文件呢？2Y3nfw)~,Rk"`a
g6PC dZzU)d.r
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V-vw[e#c8k"C
　　首先，我们来看一个robots.txt范例[url=http://forum.xpdd.net/robots.txt][color=#0000ff]http://forum.xpdd.net/robots.txt[/color][/url]
　　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 [url=http://forum.xpdd.net/robots.txt][color=#0000ff]http://forum.xpdd.net[/color][/url]# 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[url=http://forum.xpdd.net/robots.txt][color=#0000ff]http://forum.xpdd.net[/color][/url]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。.|2L+H|8`hL.Ol0ub
　　下面，我将列举一些robots.txt的具体用法：GA3_/L*^2^6n+_

　　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: /0D|+MA0Ic

　　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: *v7Wf8N-a]5Q9M6MV
Disallow: /01/D%g9_5p*QY
Disallow: /02/Y%W.Oq'g~
Disallow: /03/.Oh'T4N;`{'UZ%P

　　禁止某个搜索引擎的访问（下例中的BadBot）5TU{l:N9K&ibFG
User-agent: BadBot
Disallow: /$kf"d%@.v0IP

　　只允许某个搜索引擎的访问（下例中的Crawler）
User-agent: Crawler
Disallow:
2a([H,Z:aR2r
User-agent: * Z(Ox7aqx2uN4|VW
Disallow: /
"bphSK0e
另外，我觉得有必要进行拓展说明，对robots meta进行一些介绍：MI)P`6v6BC;B#XJ
　　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：M$zoH}]tGNC
　　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。
;H zBx:X8mo
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；)K/R?O;W\btP
/m4Qo5Fg
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。uN;l9rpe

这样，一共有四种组合：<META NAME="ROBOTS" C>-w:i;A$j`iAIn
<META NAME="ROBOTS" C>
<META NAME="ROBOTS" C>F$|Gm9Leq8C
<META NAME="ROBOTS" C>
其中#M;u [-i;K3jh0F
<META NAME="ROBOTS" C>可以写成<META NAME="ROBOTS" C>；:cts\ ^ ccb

<META NAME="ROBOTS" C>可以写成<META NAME="ROBOTS" C>

　　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：4x!H a2G\T(s
<META NAME="googlebot" C>
表示抓取该站点中页面并沿着页面中链接抓取，但是不在GOOLGE上保留该页面的网页快照。2{1Ifu;e&r
)^%_:?h]"m:e^V
　　特别说明，本文章的写作参考了一些网络信息，本人只是按照自己的思路对信息进行整理。

页: [1]

≡ 典典 - 单机游戏攻略 ≡'s Archiver

如何编写robots.txt文件