robots.txt文件使用的格式及注意

leixue 搜索引擎优化研究 2012-06-26 09:10:18 阅读(...) 评论(2)

搜索引擎通过一种程序 robot(又称 spider),自动访问互联网上的网页并获取网页信息。您可以在您的网站中创建一个纯文本文件 robots.txt,在这个文件中声明该网站中不想被 robot 访问的部分,这样,该网站的部分或全部内容就可以不被搜索引擎收录了,或者指定搜索引擎只收录指定的内容。robots.txt 文件应该放在网站根目录下。

Robots 协议

robots.txt 文件的格式:

"robots.txt"文件包含一条或更多的记录,这些记录通过空行分开(以 CR,CR/NL, or NL 作为结束符),每一条记录的格式如下所示:
"<field>:<optionalspace><value><optionalspace>"。
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 行,详细情况如下:
“网络销售员”网络营销服务启动,全面优化,以订单说话,预订进行中......

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 会受到该协议的限制,对该文件来说,至少要有一条 User-agent 记录。如果该项的值设为*,则该协议对任何机器人均有效,在"robots.txt"文件中,"User-agent:*"这样的记录只能有一条。

Disallow:

该项的值用于描述不希望被访问到的一个 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。例如"Disallow:/help"对/help.html 和/help/index.html 都不允许搜索引擎访问,而"Disallow:/help/"则允许 robot 访问/help.html,而不能访问/help/index.html。任何一条 Disallow 记录为空,说明该网站的所有部分都允许被访问,在"/robots.txt"文件中,至少要有一条 Disallow 记录。如果"/robots.txt"是一个空文件,则对于所有的搜索引擎 robot,该网站都是开放的。

写在最后:robots.txt 文件有时会被大家所以忘,可是有时往往出问题就是出现在这些并不被大家重视的小细节,不时在论坛还能看见有人发帖说网站一页都没有被收录,结果就是 robots.txt 文件把所有的搜索引擎都禁止抓取了。这就是大家的大意,泪雪写在这里是希望以后大家千万别犯这种小错误,不然请求别人帮助时就闹出笑话了。

当然子凡这里写得并不是很全面,以后慢慢为大家补充完整。。。

除非注明,否则均为泪雪博客原创文章,禁止任何形式转载

本文链接:https://zhangzifan.com/robots-txt-file-format.html

发表评论

  1. 匿名
    1楼
    匿名 7年前 (2012-06-26)

    谢谢你给我的评论,看过你的文章我都想自己搞一个博客。

    • 泪雪
      回复
      泪雪 7年前 (2012-06-28)
      回复 @匿名 :呵呵 互相交流交流 那期待你的博客哦