2017-05-31 閱讀數(shù):4677
我們先來(lái)了解一下什么是robots.txt？
搜索引擎使用spider程序自動(dòng)訪(fǎng)問(wèn)互聯(lián)網(wǎng)上的網(wǎng)頁(yè)并獲取網(wǎng)頁(yè)信息。spider在訪(fǎng)問(wèn)一個(gè)網(wǎng)站時(shí)，會(huì)首先會(huì)檢查該網(wǎng)站的根域下是否有一個(gè)叫做robots.txt的純文本文件。您可以在您的網(wǎng)站中創(chuàng)建一個(gè)純文本文件robots.txt，在文件中聲明該網(wǎng)站中不想被robot訪(fǎng)問(wèn)的部分或者指定搜索引擎只收錄特定的部分。
請(qǐng)注意，僅當(dāng)您的網(wǎng)站包含不希望被搜索引擎收錄的內(nèi)容時(shí)，才需要使用robots.txt文件。如果您希望搜索引擎收錄網(wǎng)站上所有內(nèi)容，請(qǐng)勿建立robots.txt文件或者創(chuàng)建一個(gè)內(nèi)容為空的robots.txt文件。
robots.txt 放置位置
robots.txt文件應(yīng)該放置在網(wǎng)站根目錄下。舉例來(lái)說(shuō)，當(dāng)spider訪(fǎng)問(wèn)一個(gè)網(wǎng)站(比如http://www.ubangmang.com)時(shí)，首先會(huì)檢查該網(wǎng)站中是否存在http://www.ubangmang.com/robots.txt這個(gè)文件，如果 Spider找到這個(gè)文件，它就會(huì)根據(jù)這個(gè)文件的內(nèi)容，來(lái)確定它訪(fǎng)問(wèn)權(quán)限的范圍。
robots.txt 格式
文件包含一條或更多的記錄，這些記錄通過(guò)空行分開(kāi)(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(jìn)行注解。該文件中的記錄通常以一行或多行User-agent開(kāi)始，后面加上若干Disallow和Allow行,詳細(xì)情況如下。
User-agent:
該項(xiàng)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(shuō)明有多個(gè)robot會(huì)受到”robots.txt”的限制，對(duì)該文件來(lái)說(shuō)，至少要有一條User-agent記錄。 如果該項(xiàng)的值設(shè)為*，則對(duì)任何robot均有效，在”robots.txt”文件中，”User-agent:*”這樣的記錄只能有一條。如果在”robots.txt”文件中，加入”User- agent:SomeBot”和若干Disallow、Allow行，那么名為”SomeBot”只受到”User-agent:SomeBot”后面的 Disallow和Allow行的限制。 Disallow: 該項(xiàng)的值用于描述不希望被訪(fǎng)問(wèn)的一組URL，這個(gè)值可以是一條完整的路徑，也可以是路徑的非空前綴，以Disallow項(xiàng)的值開(kāi)頭的URL不會(huì)被robot訪(fǎng)問(wèn)。例 如”Disallow: /help”禁止robot訪(fǎng)問(wèn)/help*.html、/help/index.html， 而”Disallow: /help/”則允許robot訪(fǎng)問(wèn)/help*.html，不能訪(fǎng)問(wèn)/help/index.html。
"Disallow:"說(shuō)明允許robot訪(fǎng)問(wèn)該網(wǎng)站的所有url，在”/robots.txt”文件中，至少要有一條Disallow記錄。如果”/robots.txt”不存在或者為空文件，則對(duì)于所有的搜索引擎robot，該網(wǎng)站都是開(kāi)放的。
Allow:
該項(xiàng)的值用于描述希望被訪(fǎng)問(wèn)的一組URL，與Disallow項(xiàng)相似，這個(gè)值可以是一條完整的路徑，也可以是路徑的前綴，以Allow項(xiàng)的值開(kāi)頭的URL是允許robot訪(fǎng)問(wèn)的。例如”Allow:/hibaidu”允許robot訪(fǎng)問(wèn)/hibaidu.htm、/hibaiducom.html、 /hibaidu/com.html。一個(gè)網(wǎng)站的所有URL默認(rèn)是Allow的，所以Allow通常與Disallow搭配使用，實(shí)現(xiàn)允許訪(fǎng)問(wèn)一部分網(wǎng)頁(yè)同時(shí)禁止訪(fǎng)問(wèn)其它所有URL的功能。
需要特別注意的是Disallow與Allow行的順序是有意義的，robot會(huì)根據(jù)第一個(gè)匹配成功的 Allow或Disallow行確定是否訪(fǎng)問(wèn)某個(gè)URL。
使用”*”和”$”： Baiduspider 支持使用通配符”*”和”$”來(lái)模糊匹配url。 “$” 匹配行結(jié)束符。 “*” 匹配0或多個(gè)任意字符。
robots內(nèi)容生成工具： http://tool.chinaz.com/robots/
