Robots.txt 是存放在站点根目录下的一个纯文本文件。虽然它的设置很简单,但是作用却很强大。它可以指定搜索引擎蜘蛛只抓取指定的内容,或者是禁止搜索引擎蜘蛛抓取网站的部分或全部内容。 下面我们就来详细介绍一下它的使用方法: Robots.txt 文件应该放在网站根目录下,并且该文件是可以通过互联网进行访问的。 例如: 如果您的网站地址是 http://www.chinaz.com 那么,该文件必须能够通过 http://www.chinaz.com/robots.txt 打开并看到里面的内容。 格式: User-agent: 用于描述搜索引擎蜘蛛的名字,在" Robots.txt "文件中,如果有多条User-agent记录说明有多个搜索引擎蜘蛛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*,则该协议对任何搜索引擎蜘蛛均有效,在" Robots.txt "文件中,"User-agent:*"这样的记录只能有一条。 Disallow: 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。 举例: 例一:"Disallow:/help" 是指/help.html 和/help/index.html都不允许搜索引擎蜘蛛抓取。 例二:"Disallow:/help/" 是指允许搜索引擎蜘蛛抓取/help.html,而不能抓取/help/index.html。 例三:Disallow记录为空 说明该网站的所有页面都允许被搜索引擎抓取,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蜘蛛,该网站都是开放的可以被抓取的。 #: Robots.txt 协议中的注释符。 举例: 例一:通过"/robots.txt"禁止所有搜索引擎蜘蛛抓取"/bin/cgi/"目录,以及 "/tmp/"目录和 /foo.html 文件,设置方法如下: User-agent: * Disallow: /bin/cgi/ Disallow: /tmp/ Disallow: /foo.html 例二:通过"/robots.txt"只允许某个搜索引擎抓取,而禁止其他的搜索引擎抓取。 如:只允许名为"slurp"的搜索引擎蜘蛛抓取,而拒绝其他的搜索引擎蜘蛛抓取 "/cgi/" 目录下的内容,设置方法如下: User-agent: * Disallow: /cgi/ User-agent: slurp Disallow: 例三:禁止任何搜索引擎抓取我的网站,设置方法如下: User-agent: * Disallow: / 例四:只禁止某个搜索引擎抓取我的网站 如:只禁止名为“slurp”的搜索引擎蜘蛛抓取,设置方法如下: User-agent: slurp Disallow: / 更多,请参考译文出处:http://www.robotstxt.org/wc/norobots.htm |
|小黑屋|最新主题|手机版|微赢网络技术论坛 ( 苏ICP备08020429号 )
GMT+8, 2024-9-30 15:33 , Processed in 0.147792 second(s), 12 queries , Gzip On, MemCache On.
Powered by Discuz! X3.5
© 2001-2023 Discuz! Team.