【robots.txt】 文件的具體寫法和作用
一般來說,學做SEO優化,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揮非常重要的作用,今天臺州網絡公司的SEO顧問就來和朋友說說robots.txt文件的具體寫法和相對應的作用,內容如下:
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?
臺州網絡公司小編告訴您搜索引擎通過一種程序robot(又稱spider),自動訪問互聯網上的網頁并獲取網頁信息。
您可以在您的網站中創建一個純文本文件robots.txt,在這個文件中聲明該網站中不想被robot訪問的部分,這樣,該網站的部分或全部內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容。
二. robots.txt文件放在哪里?
臺州網絡公司小編告訴您robots.txt文件應該放在網站根目錄下。舉例來說,當robots訪問一個網站(比如http://www.abc.com)時,首先會檢查該網站中是否存在http://www.abc.com/robots.txt這個文件,如果機器人找到這個文件,它就會根據這個文件的內容,來確定它訪問權限的范圍。
網站 URL 相應的 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。如果該項的值設為*,則該協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.
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置,如果您對本站的文章感興趣,請聯系:youwen@gmail.com
評論
在你的主頁中為Web Robot設計路標
Internet越來越酷,WWW的知名度如日中天。在Internet上發布公司信息、進行電子商務已經從時髦演化成時尚。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 計的主頁有什么關系?
Internet上的流浪漢--- Web Robot
有時你會莫名其妙地發現你的主頁的內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網址的超文本結構,遞歸地檢索網絡站點所有的內容。這些程序有時被叫 “蜘蛛(Spider)” , “網上流浪漢(Web Wanderer)”,“網絡蠕蟲(web worms)”或Web crawler。一些Internet網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,任勞 任怨、不知疲倦地奔波于萬維網的空間,當然也會光臨你的主頁,檢索主頁內容并生成它所需要的記錄格式。或許有的主頁內容你樂于世人皆知,但有的內容你卻不愿被 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,告訴Web Robot應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軟件給網絡站點的 管理員或網頁內容制作者提供了兩種方法來限制Web Robot的行蹤:
1、Robots Exclusion Protocol 協議
網絡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
一個網頁作者可以使用專門的HTML META tag ,來指出某一個網頁是否可以被索 引、分析或鏈接。
這些方法適合于大多數的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容,則應考慮采用諸如增加密碼等其他保護方法。
使用Robots Exclusion Protocol協議
當Robot訪問一個 Web 站點時,比如http://www.seo-adult.net/,它先去檢查文件robots.txt" target="_blank">http://www.seo-adult.net/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 "Disallow: /cgi-bin/ /tmp/"這樣的病句。同時在一個記錄中不能出現空行,這是因為空行是多個記錄分割的標志。
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:
或者產生一個空的 "/robots.txt" 文件。
服務器的部分內容允許所有的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,它應該放在HTML文件的HEAD區:
...
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:
最后臺州網絡公司小編總結一下:一個好的SEOer、一個好的Web 站點管理員應該將robot的管理考慮在內,使robot為自己的主頁服務, 同時又不損害自己網頁的安全。今天有關robots.txt文件的內容就到此為止,希望對朋友們有所幫助。
「網站優化」電話:13357671511
(備注:出于傳播知識、信息的目的,本站部分文章、圖片來源于網絡,如有侵權請第一時間告知,小編核實后會立刻刪除,不接受、不回復任何形式的惡意索賠。)
- 「SEO基礎入門」常見搜索引擎···
- 「SEO基礎入門」巧用技巧,增···
- 「SEO基礎入門」關鍵詞疊加:···
- 「SEO基礎入門」子域名與子目···
- 「SEO基礎入門」SEO 全析···
- 「SEO基礎入門」域名轟炸:搜···
- 「SEO基礎入門」SEO 常見···
- SEO建站:打造高效網絡平臺的···
- 「SEO基礎入門」SEO 入門···
- 「SEO基礎入門」404頁面是···
- 「SEO基礎入門」搜索引擎網站···
- 「SEO基礎入門」白帽、黑帽與···
- 「SEO基礎入門」反向鏈接是什···
- 「SEO入門」詳解網頁設計中 ···
- 「SEO基礎」全面解析 HTT···
- 「SEO基礎」SEO 中常見的···
- 「SEO優化」深入剖析企業 S···
- 「轉載鳳凰資訊網」對蘋果稅說不···
- 「SEO優化」問答:全面解析網···
- 「SEO優化」網站改版:深入理···