二月 26th, 2017
comments
Closed

robots.txt是一个简单的以.txt结尾的文本文件,是搜索引擎Robot(也叫搜索引擎机器人)程序抓取网页时要访问的第一个文件。

通过robots.txt文件,可以和各大搜索引擎很友好的对话,引导搜索引擎机器人抓取你推荐的网页,避免一些意义不大或无用网页,例如网站后 台、会员交互功能等,这在一定程度上也节省服务器网络资源。另外,robots.txt文件对SEO的意义也很重要,可以很好的避免重复、相似网页,以及 一些关键字权重流失;写好robots.txt文件,是每个SEOer必做的功课之一。

如何配置robots.txt文件?

配置robots.txt文件很简单,新建文本文档,命名为robots.txt,注意这个文档是以“.txt”结尾。在 robots.txt文件里写好规则即可。想检查robots.txt文件配置是否正确,只用在浏览器输入网 址:http://你的域名/robots.txt,看能否正常访问即可。

robots.txt文件写法非常简单,通常以User-agent开始,包含一行或多行Disallow或Allow记录;在 robots.txt文件中可以使用“#”进行注释,具体使用方法和PHP一样;另外,robots.txt文件支持*|$|?等通配符。看个简单的例子

# robots.txt文件怎么写?
User-agent: *  #对所有搜索引擎Robot开放
Disallow: /wp-content/ #禁止访问wp-content目录下任何内容

关于robots.txt文件函数说明:

User-agent

该项的值用于描述搜索引擎Robot的名称,至少要有一条User-agent记录;如果User-agent的值为*,则表示该协议对所有搜索引擎Robot都有效;

在robots.txt文件中“User-agent: *”只能有一条,可以同时出现“User-agent: Baiduspider”和“User-agent: Googlebot”的情况。

附:常见搜索引擎蜘蛛Robots名称

Baiduspider http://www.baidu.com
ia_archiver http://www.alexa.com
Googlebot http://www.google.com
Scooter http://www.altavista.com
FAST-WebCrawler http://www.alltheweb.com
Slurp http://www.inktomi.com
MSNBOT http://search.msn.com

Disallow

该项的值用于描述不希望被Robot访问到的一个URL,这个URL可以是一条完整的路径,也可以是部分的,任何以Disallow开头的URL均不会被Robot访问到;

注意“Disallow: /test和“Disallow: /test/”的区别,虽说只区别于一个反斜杠“/”,不过意义完全不同。“Disallow: /test”表示可以禁止的URL包括:/test、/testabc.html、/test/abc这三种形式;“Disallow: /test/”则允许Robot访问/test、/testabc.html,禁止访问/test/abc这种形式。

如果Disallow记录的值为空,即“Disallow:”格式,则说明该网站的所有内容可以被任何搜索引擎Robot抓取;在robots.txt文件,如果有声明User-agent,至少要有一条Disallow记录。

 

Allow

该项和Disallow对立,表示允许搜索引擎Robot访问指定内容。

 

robots.txt实例

允许所有搜索引擎Robot访问

User-agent: *
Disallow:

或者robots.txt文件为空,什么也不写,也能达到同样的效果。

禁止所有搜索引擎Robot访问网站的任何内容

User-agent: *
Disallow: /

禁止所有搜索引擎Robot访问网站的指定内容(如下例中的aaa、bbb、ccc目录)

User-agent: *
Disallow: /aaa/
Disallow: /bbb/
Disallow: /cccc/

禁止指定搜索引擎Robot访问(如下例中的Google机器人:Googlebot)

User-agent: Googlebot
Disallow: /

只允许指定搜索引擎Robot访问(如下例中的百度机器人:Baiduspider)

User-agent: Baiduspider
Disallow:
User-agent: *
Disallow: /

向搜索引擎提交站点地图

http://你的域名/sitemap.xml

目前各大搜索引擎对站点地图支持良好,除了sitemap.xml这种格式外,还推荐sitemap.html这种静态格式,好处多多,不再累述。

 

robots.txt文件十个注意事项

1)robots.txt文件名必须全部小写,不要为追求个性写成RoboTs.txt等形式;

2)robots.txt文件只能放在网站根目录下面,其它位置无效;

3)robots.txt文件内容对大小写敏感,尤其是包含网址的部分。虽说很多搜索引擎对网址之外的部分没有严格的大小写限制,但是从搜索引擎的严谨性和个人对网站的要求方面来说,还是建议区分大小写;

4)通常,robots.txt文件里只有三个函数:User-agent、Disallow和Allow,通常我们使用前两个组合限制抓取就可以了,个人认为没有必要使用Allow,默认搜索引擎是会抓取你网站所有内容的;

5)robots.txt文件里不要放其它无关内容,要严格遵从规范。

6)robots.txt文件只是和搜索引擎的一个“君子协议”,并不意味着每个搜索引擎都严格遵守robots.txt的规则,按照你的意图来抓取网页,要清楚,你的网站在搜索引擎面前没有什么“秘密”;

7)要检查robots.txt文件是否达到了预期的效果,可以通过谷歌网站站长工具中的robots.txt工具测试;

8)禁止搜索引擎收录单独页面。robots.txt文件主要是限制搜索引擎对整个站点或者目录的访问情况,而Robots Meta标签则是针对一个具体的页面。通常Robots Meta标签的默认值是index和follow,只有inktomi除外,对于它,默认值是index,nofollow。Robots Meta标签总共有四种组合:

<meta name="robots" content="index,follow">或<meta name="robots" content="all">
<meta name="robots" content="noindex,follow">
<meta name="robots" content="index,nofollow">
<meta name="robots" content="noindex,nofollow">或<meta name="robots" content="none">

9)目前绝大多数搜索引擎是支持robots.txt文件规则的,Robots META标签则不是。Google一如既往地强大,对这两种形式都完美支持;

10)建议站点根目录下要放一个robots.txt文件,哪怕是空白文件也好。虽说不放robots.txt文件也没什么影响,但是考虑到Robot访问站点时,第一目标就是robots.txt文件,还是顺着它的意思办吧,谁让游戏规则是它定的呢?!

Comments are closed.