一般來說，學(xué)做SEO優(yōu)化，對于robots.txt文件還是需要了解的，這個文件在某些特殊的地方會發(fā)揮非常重要的作用，今天臺州網(wǎng)絡(luò)公司的SEO顧問就來和朋友說說robots.txt文件的具體寫法和相對應(yīng)的作用，內(nèi)容如下：

　　robots.txt文件的具體寫法和作用

　　禁止搜索引擎收錄的方法

　　一.什么是robots.txt文件?

　　臺州網(wǎng)絡(luò)公司小編告訴您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。

　　二. robots.txt文件放在哪里?

　　臺州網(wǎng)絡(luò)公司小編告訴您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：

　　":"。

　　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(xì)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。

　　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,請參看以下資料：

　　· 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

　　說明

　　本站采取了一些簡單的防盜設(shè)置,如果您對本站的文章感興趣,請聯(lián)系:[email protected]

　　評論

　　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、Javascript、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。

　　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。或許有的主頁內(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.sf3118.com/，它先去檢查文件robots.txt" target="_blank">http://www.sf3118.com/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 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：

　　象其他的META tag一樣，它應(yīng)該放在HTML文件的HEAD區(qū)：

　　...

　　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：

　　最后臺州網(wǎng)絡(luò)公司小編總結(jié)一下：一個好的SEOer、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。今天有關(guān)robots.txt文件的內(nèi)容就到此為止，希望對朋友們有所幫助。

　　總結(jié)：以上就是關(guān)于《【robots.txt】 文件的具體寫法和作用》的全部內(nèi)容，希望對大家有所幫助。想了解更多有網(wǎng)站優(yōu)化、搜索引擎排名、網(wǎng)站建設(shè)、網(wǎng)頁設(shè)計的相關(guān)內(nèi)容，請收藏本站及時關(guān)注本站更新。通盛網(wǎng)絡(luò)官方網(wǎng)址：www.sf3118.com
「網(wǎng)站優(yōu)化」電話：13357671511
（備注：出于傳播知識、信息的目的，本站部分文章、圖片來源于網(wǎng)絡(luò)，如有侵權(quán)請第一時間告知，小編核實后會立刻刪除，不接受、不回復(fù)任何形式的惡意索賠。）