robots的写法及详解

时间 : 15-06-18 评论 : 2 点击 : 764 次

昨天在我的QQ群里有个朋友问到有关robots的写法,所以今天清远SEO再给小伙伴们唠叨一下有关robots的写法。

清远SEO解答robots的疑问

第一:什么是robots.txt?

这是一个文本文件,是搜索引擎爬行网页要查看的第一个文件,你可以告诉搜索引擎哪些文件可以被查看,哪些禁止。当搜索机器人(也叫搜索蜘蛛)访问一个站点时,它首先会检查根目录是否存在robots.txt,如果有就确定抓取范围,没有就按链接顺序抓取。

 

第二:robots.txt有什么用

为何需要用robots.txt这个文件来告诉搜索机器人不要爬行我们的部分网页,比如:后台管理文件、程序脚本、附件、数据库文件、编码文件、样式表文件、模板文件、导航图片和背景图片等等。说到底了,这些页面或文件被搜索引擎收录了,用户也看不了,多数需要口令才能进入或是数据文件。既然这样,又让搜索机器人爬行的话,就浪费了服务器资源,增加了服务器的压力,因此我们可以用robots.txt告诉机器人集中注意力去收录我们的文章页面。增强用户体验。

 

一、用robots屏蔽网站重复页

很多网站一个内容提供多种浏览版本,虽然很方便用户却对蜘蛛造成了困难,因为它分不清那个是主,那个是次,一旦让它认为你在恶意重复,你就惨了

User-agent: *

Disallow: /sitemap/ 《禁止蜘蛛抓取 文本网页》

 

二、用robots保护网站安全

很多人纳闷了,robots怎么还和网站安全有关系了?其实关系还很大,不少低级黑客就是通过搜索默认后台登陆,以达到入侵网站的目标

User-agent: *

Disallow: /admin/ 《禁止蜘蛛抓取admin目录下所有文件》

 

三、防止盗链

一般盗链也就几个人,可是一旦被搜索引擎“盗链”那家伙你100M宽带也吃不消,如果你做的不是图片网站,又不想被搜索引擎“盗链”你的网站图片

User-agent: *

Disallow: .jpg$

 

四、提交网站地图

现在做优化的都知道做网站地图了,可是却没几个会提交的,绝大多数人是干脆在网页上加个链接,其实robots是支持这个功能的

Sitemap:http://seo.6889936.com/sitemap.xml

 

五、禁止某二级域名的抓取

一些网站会对VIP会员提供一些特殊服务,却又不想这个服务被搜索引擎检索到

User-agent: *

Disallow: /

以上五招robots足以让你对搜索引擎蜘蛛掌控能力提升不少,就像百度说的:我们和搜索引擎应该是朋友,增加一些沟通,才能消除一些隔膜。

 

第三:robots.txt基本语法

 

1、robots.txt的几个关键语法:

(1)、User-agent: 应用下文规则的漫游器,比如Googlebot,Baiduspider等。

(2)、Disallow: 要拦截的网址,不允许机器人访问。

(3)、Allow: 允许访问的网址

(4)、”*” : 通配符—匹配0或多个任意字符。

(5)、”$” : 匹配行结束符。

(6)、”#” : 注释—说明性的文字,不写也可。

(7)、Googlebot: 谷歌搜索机器人(也叫搜索蜘蛛)。

(8)、Baiduspider: 百度搜索机器人(也叫搜索蜘蛛)。

(9)、目录、网址的写法:都以以正斜线 (/) 开头。

Disallow:/

Disallow:/images/

Disallow:/admin/

Disallow:/css/

 

2、列举一些robots.txt 具体用法:

(1)、允许所有的robot访问

User-agent: *

Disallow:

或者

User-agent: *

Allow: /

或者建一个空文件”robots.txt”即可。

 

(2)、仅禁止某个机器人访问您的网站,如Baiduspider。

User-agent: Baiduspider

Disallow: /

 

3、仅允许某个机器人访问您的网站,如Baiduspider。

User-agent: Baiduspider

Disallow:

User-agent: *

Disallow: /

 

4、禁止访问特定目录

User-agent: *

Disallow: /admin/

Disallow: /css/

Disallow:

要拦截对所有包含问号 (?) 的网址的访问(具体地说,这种网址以您的域名开头、后接任意字符串,然后接问号,而后又接任意字符串),请使用以下内容:

User-agent: Googlebot

Disallow: /*?

要指定与某个网址的结尾字符相匹配,请使用 $。例如,要拦截以 .xls 结尾的所有网址,请使用以下内容: User-agent: Googlebot

Disallow: /*.xls$

您可将此模式匹配与 Allow 指令配合使用。例如,如果 ? 代表一个会话 ID,那么您可能希望排除包含 ? 的所有网址,以确保 Googlebot 不会抓取重复网页。但是以 ? 结尾的网址可能是您希望包含在内的网页的版本。在此情况下,您可以对您的 robots.txt 文件进行如下设置:

User-agent: *

Allow: /*?$

Disallow: /*?

Disallow: /*? 指令会阻止包含 ? 的所有网址(具体地说,它将拦截所有以您的域名开头、后接任意字符串,然后接问号,而后又接任意字符串的网址)。

Allow: /*?$ 指令将允许以 ? 结尾的任何网址(具体地说,它将允许所有以您的域名开头、后接任意字符串,然后接 ?,? 之后不接任何字符的网址)。

以上介绍多数都是Google的http://www.google.com/support/we … cn&answer=40360,百度的大同小异具体可以看http://www.baidu.com/search/robots.html

 

清远网总结:一般网站查看robots.txt文件的方法是主页后面加robots.txt就可以,比如淘宝网的就是http://www.taobao.com/robots.txt请注意,仅当您的网站包含不希望被搜索引擎收录的内容时,才需要使用robots.txt文件。如果您希望搜索引擎收录网站上所有内容,请勿建立robots.txt文件。

(既然来了何不座下来喝杯茶,小生早已设下茶宴与君同饮,与君畅谈上文阅后感想。)

本文出自:SEO清远网           官方网站地址:http://seo.6889936.com

本文标签 , , , , , , ,

由付锋创作室 清远SEO团队 版权所有 © 转载时请您注明出处及相应链接,文章均为( fairfu )原创,转载请保留链接: http://seo.6889936.com/?p=3499

robots的写法及详解:目前有2 条留言

  1. 板凳
    一知半懂
    Post:2015-06-19 上午8:51

    不错,够详细。

  2. 沙发
    网络克星
    Post:2015-06-19 上午9:14

    :wink: :wink: :wink: :wink: :wink: :wink: :wink: :wink: :wink: :wink:

发表评论


Duang~  你还没加入清远SEO微信? 你out了........


  加清远SEO技术研究中心QQ群送空间  加QQ群送域名空间
加QQ群再送微信运营平台(功能:微相册、微信机器人、图文素材、LBS位置回复、门店管理、自定义菜单、微投票、大转盘、刮刮乐、优惠券、水果机、砸金蛋、团购、会员卡、微酒店、外卖订餐、超级商城、微旅游、微婚庆、微房产等等) 

       ==站长QQ:46770222==
 ==免费咨询热线4006 422 242==
清远网是付锋创作室长期分享SEO知识及企业全网营销推广心得。清远全网营销团队在SEO研究过程中的成果奉献,免费提供各种SEO工具;全清远唯一能对各行业及大中小型企业进行现场数据分析,全程支持培训指导,打造一个属于我们的E时代,我们满怀热情,踏上燃烧的征程,释放心中的力量,成就大家的梦想,我们潜心研究互联网三大巨头的互联网思维,在BAT领域里小有微名,专注网站建设开发,SEO网站优化,网站排名,提供排名方案,电子商城策划;目前正研究开发O2O概念,以2的精神做行业领跑者一路奋进!
   网站    微信

付锋创作室

置顶文章



  • 免费咨询
  • 网站建设
  • 网站优化
  • 整合营销
  • 售后服务