客服
怎樣寫robots文件_robots文件寫法技巧_robot.txt的例子
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。每個站點最好建立一個robots.txt文件，對seo更友好。每當(dāng)搜索蜘蛛來尋找并不存在的robots.txt文件時，服務(wù)器將在日志中記錄一條404錯誤，所以你應(yīng)該在網(wǎng)站中添加一個robots.txt（即使這個robots.txt文件只是一個空文件）。
2.robots.txt的寫法（語法）
1）User-agent: 該項的值用于描述搜索引擎蜘蛛的名字。如果該項的值設(shè)為*，則該協(xié)議對任何機器人均有效。
2）Disallow: 該項的值用于描述不希望被訪問到的一個URL，一個目錄或者整個網(wǎng)站。以Disallow 開頭的URL 均不會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)站的幾個目錄
User-agent: *
Disallow: /a/
Disallow: /b/
禁止搜索引擎蜘蛛訪問目錄a和目錄b
只允許某個搜索引擎蜘蛛訪問
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)險以及解決
robots.txt 同時也帶來了一定的風(fēng)險：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，對您的隱私內(nèi)容實施密碼保護，這樣，攻擊者便無從進入。陜西哪里做網(wǎng)站,西安網(wǎng)站維護推薦閱讀>>> 谷歌針對智能手機推出的新型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：
1）robots.txt必須放置在站點的根目錄下，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會聚網(wǎng)robot.txt文件實例：www.seohj.com/robots.txt。
我們也可以通過Robots META標(biāo)簽來針對一個個具體的頁面。關(guān)于Robots META標(biāo)簽的詳細介紹在Robots META標(biāo)簽用法。
1.語法：
<meta name="robots"content="搜索方式">
2.說明：
在該語法中，搜索方式的值和其對應(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.實例：
該實例設(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>
<meta name="robots"content="index">
</head>
<body></body>
</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，這樣，該網(wǎng)站的部分或全部內(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，如果機器人找到這個文件，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
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會受到該協(xié)議的限制，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*，則該協(xié)議對任何機器人均有效，在"robots.txt"文件中，"User-agent：*"這樣的記錄只能有一條。
Disallow :
該項的值用于描述不希望被訪問到的一個URL，這個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均不會被robot訪問到。例如"Disallow: /help"對/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
(或者也可以建一個空文件 "/robots.txt" file)
??
User-agent: *
Disallow:
例3. 禁止某個搜索引擎的訪問
User-agent: BadBot
Disallow: /
例4. 允許某個搜索引擎的訪問
User-agent: baiduspider
Disallow:
User-agent: *
Disallow: /
例5. 一個簡單例子
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，即搜索引擎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、進行電子商務(wù)已經(jīng)從時髦演化成時尚。作為一個Web Master，你可能對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) 計的主頁有什么關(guān)系？
Internet上的流浪漢--- Web Robot
有時你會莫名其妙地發(fā)現(xiàn)你的主頁的內(nèi)容在一個搜索引擎中被索引，即使你從未與他 們有過任何聯(lián)系。其實這正是Web Robot的功勞。Web Robot其實是一些程序，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)站點所有的內(nèi)容。這些程序有時被叫 “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（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就象一個不速之客，不管你是否在意，它都會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，就可以象一個交通 警察一樣，布置下一個個路標(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)站點的管理員可以在站點上建立一個專門格式的文件，來指出站點上的哪一部分 可以被robot訪問, 這個文件放在站點的根目錄下，即robots.txt." target="_blank">http://.../robots.txt.
2、Robots META tag
一個網(wǎng)頁作者可以使用專門的HTML META tag ，來指出某一個網(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施了這些方法，還依賴于 Robot的開發(fā)者，并非可以保證對任何Robot都靈驗。如果你迫切需要保護自己內(nèi)容，則應(yīng)考慮采用諸如增加密碼等其他保護方法。
使用Robots Exclusion Protocol協(xié)議
當(dāng)Robot訪問一個 Web 站點時，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。如果這個文件存在，它便會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不會看到這個文件，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。
在一個站點上只能有一個 "/robots.txt" 文件，而且文件名的每個字母要求全部是小 寫。在Robot的記錄格式中每一個單獨的"Disallow"行表示你不希望Robot訪問的URL， 每個URL必須單獨占一行，不能出現(xiàn) "Disallow: /cgi-bin/ /tmp/"這樣的病句。同時在一個記錄中不能出現(xiàn)空行，這是因為空行是多個記錄分割的標(biāo)志。
User-agent行指出的是Robot或其他代理的名稱。在User-agent行，''*'' 表示一個特殊的含義---所有的robot。
下面是幾個robot.txt的例子：
在整個服務(wù)器上拒絕所有的robots：
User-agent: *
Disallow: /
允許所有的robots訪問整個站點：
User-agent: *
Disallow:
或者產(chǎn)生一個空的 "/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/
拒絕某一個專門的robot：
User-agent: BadBot
Disallow: /
只允許某一個robot光顧：
User-agent: WebCrawler
Disallow:
User-agent: *
Disallow: /
最后我們給出 http://www.w3.org/站點上的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實施了這一功能。
Robots META tag的格式為：
<META NAME="ROBOTS" CONTENT="NOINDEX, NOFOLLOW">
象其他的META tag一樣，它應(yīng)該放在HTML文件的HEAD區(qū)：
<html>
<head>
<meta name="robots" content="noindex,nofollow">
<meta name="description" content="This page ....">
<title>...</title>
</head>
<body>
...
Robots META tag指令使用逗號隔開，可以使用的指令包括 [NO]INDEX 和[NO]FOLLOW。INDEX 指令指出一個索引性robot是否可以對本頁進行索引；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：
<meta name="robots" content="index,follow">
<meta name="robots" content="noindex,follow">
<meta name="robots" content="index,nofollow">
<meta name="robots" content="noindex,nofollow">
一個好的Web 站點管理員應(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。
當(dāng)一個搜索蜘蛛訪問一個站點時，它會首先檢查該站點根目錄下是否存在robots.txt，如果存在，搜索機器人就會按照該文件中的內(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，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。
robots.txt必須放置在一個站點的根目錄下，而且文件名必須全部小寫。
語法：最簡單的 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
在進行網(wǎng)站優(yōu)化的時候，經(jīng)常會使用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文件的運用, 現(xiàn)在寫這編文章在補充一點點知識！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、搜索機器人等），自動搜集互聯(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)一個搜索引擎的爬蟲訪問一個站點時，它會首先檢查該站點根目錄下是否存在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必須放置在一個站點的根目錄下，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 (或者也可以建一個空文件 “/robots.txt” file)
User-agent: *
Allow:
例3. 禁止某個搜索引擎的訪問
User-agent: BadBot
Disallow: /
例4. 允許某個搜索引擎的訪問
User-agent: Baiduspider
allow:/
例5.一個簡單例子
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，即搜索引擎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”擴展名：
Googlebot 可識別稱為“Allow”的 robots.txt 標(biāo)準(zhǔn)擴展名。其他搜索引擎的漫游器可能無法識別此擴展名，因此請使用您感興趣的其他搜索引擎進行查找。“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。
您也可以同時使用“Disallow”和“Allow”。例如，要攔截子目錄中某個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 * 號匹配字符序列：
您可使用星號 (*) 來匹配字符序列。例如，要攔截對所有以 private 開頭的子目錄的訪問，可使用下列條目：
User-Agent:Googlebot
Disallow:/private*/
要攔截對所有包含問號 (?) 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 ? 表示一個會話 ID，您可排除所有包含該 ID 的網(wǎng)址，確保 Googlebot 不會抓取重復(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 robots.txt 文件進行如下設(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 (?)，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 (?)，問號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站點或者目錄的搜索引擎訪問情況，而Robots Meta標(biāo)簽則主要是針對一個個具體的頁面。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，可以針對某個具體搜索引擎寫為name=”BaiduSpider”。content部分有四個指令選項：index、noindex、follow、nofollow，指令間以“,”分隔。
index指令告訴搜索機器人抓取該頁面；
follow指令表示搜索機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)簽限制搜索引擎機器人（ROBOTS）抓取站點內(nèi)容的辦法只是一種規(guī)則，需要搜索引擎機器人的配合才行，并不是每個ROBOTS都遵守的。
目前看來，絕大多數(shù)的搜索引擎機器人都遵守robots.txt的規(guī)則，而對于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，也不會增加網(wǎng)站的收錄率，還只會占用服務(wù)器存儲空間。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介紹。
誤區(qū)三
搜索蜘蛛抓取網(wǎng)頁太浪費服務(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，會導(dǎo)致整個網(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)用戶試圖訪問某個不存在的URL時，服務(wù)器都會在日志中記錄404錯誤（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，服務(wù)器也將在日志中記錄一條404錯誤，所以你應(yīng)該在網(wǎng)站中添加一個robots.txt。
2. 網(wǎng)站管理員必須使蜘蛛程序遠離某些服務(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)器都有程序儲存在“cgi-bin”目錄下，因此在robots.txt文件中加入“Disallow: /cgi-bin/”是個好主意，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)站是動態(tài)網(wǎng)頁，并且你為這些動態(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)置避免動態(tài)網(wǎng)頁被蜘蛛索引，以保證這些網(wǎng)頁不會被視為含重復(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?zhí)顚慩ML地圖的絕對路徑，即完整URL，如果按習(xí)慣填寫Sitemap: /sitemap.xml，提交后會提示：檢測到無效的 Sitemap 網(wǎng)址；語法錯誤。
XML地圖必須在網(wǎng)站根目錄下才有效。)
目前對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，顯然不在這個圈子內(nèi)。這樣做的好處是，站長不用到每個搜索引擎的站長工具或者相似的站長部分，去提交自己的sitemap文件，搜索引擎的蜘蛛自己就會抓取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出錯。比如，不能讓搜索者直接進入購物車頁面。因為沒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。
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(rèn)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。
需要特別注意的是Disallow與Allow行的順序是有意義的，robot會根據(jù)第一個匹配成功的Allow或Disallow行確定是否訪問某個URL。
使用"*"和"$"：
Baiduspider支持使用通配符"*"和"$"來模糊匹配url。
"$" 匹配行結(jié)束符。
"*" 匹配0或多個任意字符。
robots.txt文件字符編碼
robots.txt使用什么字符編碼，并沒有相關(guān)規(guī)定，都是各搜索引擎自已定義的。雖然google和其它搜索引擎建議大家使用 utf-8 字符編碼格式的robots.txt，但幾乎所有的搜索引擎都支持 ANSI 編碼格式，而google自已對 utf-8 編碼格式的robots.txt，會出現(xiàn)首字亂碼。所以為了達到最大的兼容性，建議大家使用 ANSI 格式編碼，或者使用 utf-8 編碼格式，但需要空出首行。西安做網(wǎng)站推薦閱讀>>> 搜索引擎統(tǒng)一robots文件標(biāo)準(zhǔn)，
還有一個建議就是robots.txt中最好不要出現(xiàn)中文，即使是注釋也要使用英文。
robots.txt文件用法舉例
例1.禁止所有搜索引擎訪問網(wǎng)站的任何部分 User-agent: *
Disallow: /
例2.允許所有的robot訪問
(或者也可以建一個空文件 "/robots.txt") 第1種寫法
User-agent: *
Allow: /
第2種寫法
User-agent: *
Allow:
第3種寫法
User-agent: *
Disallow:
例3. 僅禁止Baiduspider訪問您的網(wǎng)站 User-agent: Baiduspider
Disallow: /
例4. 僅允許Baiduspider訪問您的網(wǎng)站 User-agent: Baiduspider
Allow: /
例5. 禁止spider訪問特定目錄
在這個例子中，該網(wǎng)站有三個目錄對搜索引擎的訪問做了限制，即robot不會訪問這三個目錄。需要注意的是對每一個目錄必須分開聲明，而不能寫成 "Disallow: /cgi-bin/ /tmp/"。 User-agent: *
Disallow: /cgi-bin/
Disallow: /tmp/
Disallow: /~joe/
例6. 允許訪問特定目錄中的部分url User-agent: *
Allow: /cgi-bin/see
Allow: /tmp/hi
Allow: /~joe/look
例7. 使用"*"限制訪問url
禁止訪問/cgi-bin/目錄下的所有以".htm"為后綴的URL(包含子目錄)。
User-agent: *
Disallow: /cgi-bin/*.htm
例8. 使用"$"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：
-
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...
-
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...
-
Robots.txt對于任何一個從事SEO研究工作的人都是至關(guān)重要的，因為透過 Robots.txt 我們可以直接與搜索引擎蜘蛛進行對話，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：百度站長平臺robots工具升級公告