怎样写robots文件_robots文件写法技巧

1.robots.txt文件是什么

  本期洛阳SEO讲解robots.txt文件:robots.txt是一个纯文本文件,是搜索引擎中访问网站的时候要查看的第一个文件。robots.txt文件告诉蜘蛛程序在服务器上什么文件是可以被查看的。每个站点最好建立一个robots.txt文件,对seo更友好。每当搜索蜘蛛来寻找并不存在的robots.txt文件时,服务器将在日志中记录一条404错误,所以你应该在网站中添加一个robots.txt(即使这个robots.txt文件只是一个空文件)。

2.robots.txt的写法(格式)

在该文件中可以使用#进行注解,具体使用方法和UNIX中的惯例一样。该文件中的记录通常以一行或多行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,至少要有一条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:*"这样的记录只能有一条。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一组URL,这个值可以是一条完整的路径,也可以是路径的非空前缀,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、/helpabc.html、/help/index.html,而"Disallow:/help/"则允许robot访问/help.html、/helpabc.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,至少要有一条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一组URL,与Disallow项相似,这个值可以是一条完整的路径,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。一个网站的所有URL默认是Allow的,所以Allow通常与Disallow搭配使用,实现允许访问一部分网页同时禁止访问其它所有URL的功能。

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

robots.txt文件用法举例

网站目录下所有文件均能被所有搜索引擎蜘蛛访问
  User-agent: *
  Disallow:

禁止所有搜索引擎蜘蛛访问网站的任何部分
  User-agent: *
  Disallow: /

禁止所有的搜索引擎蜘蛛访问网站的几个目录
  User-agent: *
  Disallow: /a/
  Disallow: /b/

禁止搜索引擎蜘蛛访问目录a和目录b
只允许某个搜索引擎蜘蛛访问
  User-agent: Googlebot
  Disallow:
您应该限制网站某些文件不被蜘蛛抓取。
一般网站中不需要蜘蛛抓取的文件有:后台管理文件、程序脚本、附件、数据库文件、编码文件、样式表文件、模板文件、导航图片和背景图片等等。

3.robots.txt文件带来的风险以及解决

robots.txt 同时也带来了一定的风险:其也给攻击者指明了网站的目录结构和私密数据所在的位置。设置访问权限,对您的隐私内容实施密码保护,这样,攻击者便无从进入。

4.常见搜索引擎蜘蛛Robots名字

1、百度蜘蛛
Baiduspider:以前Baiduspider、baiduspider都是百度蜘蛛,但现在统一成Baiduspider了。
Baiduspider-image:抓取图片的蜘蛛
Baiduspider-mobile:抓取wap
Baiduspider-video:抓取视频
Baiduspider-news:抓取新闻
2、谷歌蜘蛛:
Googlebot
Googlebot-Mobile:抓取wap内容
3、360蜘蛛
360Spider
4、SOSO蜘蛛
Sosospider
5、雅虎蜘蛛:
Yahoo! Slurp China 或者 Yahoo!
注意:“Slurp”前后有空格,写robots时要注意。
6、有道蜘蛛
YoudaoBot,YodaoBot
7、搜狗蜘蛛
Sogou News Spider
Sogou web spider
Sogou inst spider
Sogou spider2
Sogou blog
Sogou News Spider
Sogou Orion spider
注意:名字中间都带空格。
8、MSN蜘蛛
msnbot
msnbot-media
9、必应蜘蛛
bingbot
10、一搜蜘蛛
YisouSpider
11、Alexa蜘蛛
ia_archiver
12、宜sou蜘蛛
EasouSpider
13、即刻蜘蛛
JikeSpider
14、一淘网蜘蛛
EtaoSpider

5.注意事项:

1)robots.txt必须放置在站点的根目录下,而且文件名必须全部小写。
2)不要在robots.txt文件中设置所有的文件都可以被搜索蜘蛛抓取。
3)为安全考虑,建议很重要的文件夹不要写在robots.txt文件中,或你只建一个空白robots.txt文件,在不要访问的目录中加入其它的技术(目前还在探索中……)。

洛阳SEO robots.txt文件实例:www.iyangqiong.com/robots.txt。

我们也可以通过Robots META标签来针对一个个具体的页面。关于Robots META标签的详细介绍在Robots META标签用法。
1.语法:

2.说明:
在该语法中,搜索方式的值和其对应的含义如下:
all:页面将被检索,且页面上的链接可以被查询;
none:页面不能被检索,且页面上的链接不可以被查询;
index:页面将被检索,但不设置链接是否可以被查询;
follow:页面上的链接可以被查询;
noindex:页面不能被检索,但页面上的链接可以被查询;
nofollow:页面能被检索,但页面上的链接却不可以被查询。

3.实例:
该实例设定网页能被检索,但页面上的链接却不可以被查询,代码如下:


<html>
<head>
<title>限制搜索方式</title>
<meta name="robots"content="index">
</head>
<body></body>
</html>

robots文件在线生成

传送门

1.本文由杨琼博客整理发布,部分文章来自网络,如有侵犯权益,请联络博主,资源失效和内容勘误欢迎留言.

2.转载请注明本文地址:http://www.iyangqiong.com/web/391.html

3.订阅更新:您可以通过 RSS订阅本站

【推荐!必备网址导航】http://longmiao.wang/

分享到:
顶部 评论 底部