• _

  • 谈谈网站优化中如何用好robotx文件

      搜索引擎使用spider程序自动访问互联网上的网页并获取网页信息。spider在访问个网站时,会首先会检查该网站的根域下是否有个叫做robots.txt的纯文本文件。您可以在您的网站中创建个纯文本文件robots.txt,在文件中声明该网站中不想被robot访问的部分或者指定搜索引擎只收录特定的部分。

      请注意,仅当您的网站包含不希望被搜索引擎收录的内容时,才需要使用robots.txt文件。如果您希望搜索引擎收录网站上所有内容,请勿建立robots.txt文件或者创建个内容为空的robots.txt文件。

      robots.txt 放置位置

      robots.txt文件应该放置在网站根目录下。举例来说,当spider访问个网站(比如)时,首先会检查该网站中是否存在这个文件,如果

      Spider找到这个文件,它会根据这个文件的内容,来确定它访问权限的范围。

      robots.txt 格式

      文件包含条或更多的记录,这些记录通过空行分开(以CR,CR/NL,

      or

      NL作为结束符),每条记录的格式如下所示:”:”。在该文件中可以使用#进行注解。该文件中的记录通常以行或多行User-agent开始,后面加上若干Disallow和Allow行,详细情况如下。

      User-agent:

      该项的值用于描述搜索引擎robot的名字。在”robots.txt”文件中,如果有多条User-agent记录说明有多个robot会受到”robots.txt”的限制,对该文件来说,少要有条User-agent记录。

      如果该项的值设为*,则对任何robot均有效,在”robots.txt”文件中,”User-agent:*”这样的记录只能有条。如果在”robots.txt”文件中,加入”User-

      agent:SomeBot”和若干Disallow、Allow行,那么名为”SomeBot”只受到”User-agent:SomeBot”后面的

      Disallow和Allow行的限制。 Disallow:

      该项的值用于描述不希望被访问的组URL,这个值可以是条完整的路径,也可以是路径的非缀,以Disallow项的值开头的URL不会被robot访问。例

      如”Disallow: /help”禁止robot访问/help*.html、/help/index.html, 而”Disallow:

      /help/”则允许robot访问/help*.html,不能访问/help/index.html。

      "Disallow:"说明允许robot访问该网站的所有url,在”/robots.txt”文件中,少要有条Disallow记录。如果”/robots.txt”不存在或者为空文件,则对于所有的搜索引擎robot,该网站都是开放的。

      Allow:

      该项的值用于描述希望被访问的组URL,与Disallow项相似,这个值可以是条完整的路径,也可以是路径的前缀,以Allow项的值开头的URL是允许robot访问的。例如”Allow:/hibaidu”允许robot访问/hibaidu.htm、/hibaiducom.html、

      /hibaidu/com.html。个网站的所有URL默认是Allow的,所以Allow通常与Disallow搭配使用,实现允许访问部分网页同时禁止访问其它所有URL的功能。

      需要特别注意的是Disallow与Allow行的顺序是有意义的,robot会根据第个匹配成功的 Allow或Disallow行确定是否访问某个URL。

      使用”*”和”$”: Baiduspider 支持使用通配符”*”和”$”来模糊匹配url。 “$” 匹配行结束符。 “*” 匹配0或多个任意字符。

      robots.txt文件用法举例:

      1. 允许所有的robot访问

      User-agent: * Allow: / 或者 User-agent: * Disallow:

      2. 禁止所有搜索引擎访问网站的任何部分

      User-agent: *

      Disallow: /

      

      3. 仅禁止Baiduspider访问您的网站

      User-agent: Baiduspider

      Disallow: /

      4. 仅允许Baiduspider访问您的网站

      User-agent: Baiduspider

      Disallow:

      5. 禁止spider访问特定目录

      User-agent: *

      Disallow: /cgi-bin/

      Disallow: /tmp/

      Disallow: /~joe/

      6. 允许访问特定目录中的部分url

      User-agent: *

      Allow: /cgi-bin/see

      Allow: /tmp/hi

      Allow: /~joe/look

      Disallow: /cgi-bin/

      Disallow: /tmp/

      Disallow: /~joe/

      7. 使用”*”限制访问url

      禁止访问/cgi-bin/目录下的所有以”.htm”为后缀的URL(包含子目录)。

      User-agent: *

      Disallow: /cgi-bin/*.htm

      8. 使用”$”限制访问url

      仅允许访问以”.htm”为后缀的URL。

      User-agent: *

      Allow: .htm$

      Disallow: /

      例9. 禁止访问网站中所有的动态页面

      User-agent: *

      Disallow: /*?*

      10. 禁止Baiduspider抓取网站上所有图片

      仅允许抓取网页,禁止抓取任何图片。

      User-agent: Baiduspider

      Disallow: .jpg$

      Disallow: .jpeg$

      Disallow: .gif$

      Disallow: .png$

      Disallow: .bmp$

      11. 仅允许Baiduspider抓取网页和.gif格式图片

      允许抓取网页和gif格式图片,不允许抓取其他格式图片

      User-agent: Baiduspider

      Allow: .gif$

      Disallow: .jpg$

      Disallow: .jpeg$

      Disallow: .png$

      Disallow: .bmp$

      12. 仅禁止Baiduspider抓取.jpg格式图片

      User-agent: Baiduspider

      Disallow: .jpg$

      般这个在网站未上线前使用,等网站做好之后 把这个协议去掉了,便于搜索引擎的抓取。