FreshOutlook-Web Business

<< 博商零售业网上商店系统解决方案 | 首 页 | 获取外部链接的几种不健康手段 >> 2007-08-10 如何写robots.txt - [ SEO ] 版权声明 :转载时请以超链接形式标明文章原始出处和作者信息及 本声明 http://freshoutlook-web.blogbus.com/logs/7601270.html robots.txt基本介绍 robots.txt是一个纯文本文件,在这个文件中网站管理者可以声明该网站中不想被robots访问的部分,或者指定搜索引擎只收录指定的内容。 当一个搜索机器人(有的叫搜索蜘蛛)访问一个站点时,它会首先检查该站点根目录下是否存在robots.txt,如果存在,搜索机器人就会按照该文件中的内容来确定访问的范围;如果该文件不存在,那么搜索机器人就沿着链接抓取。 另外,robots.txt必须放置在一个站点的根目录下,而且文件名必须全部小写。 robots.txt写作语法 首先,我们来看一个robots.txt范例: http://www.csswebs.org/robots.txt 访问以上具体地址,我们可以看到robots.txt的具体内容如下: # Robots.txt file from http://www.csswebs.org # All robots will spider the domain User-agent: * Disallow: 以上文本表达的意思是允许所有的搜索机器人访问 www.csswebs.org 站点下的所有文件。 具体语法分析:其中#后面文字为说明信息; User-agent: 后面为搜索机器人的名称,后面如果是 *, 则泛指所有的搜索机器人; Disallow: 后面为不允许访问的文件目录。 下面,我将列举一些robots.txt的具体用法: 允许所有的robot访问 User-agent: * Disallow: 或者也可以建一个空文件 “/robots.txt” file 禁止所有搜索引擎访问网站的任何部分 User-agent: * Disallow: / 禁止所有搜索引擎访问网站的几个部分(下例中的01、02、03目录) User-agent: * Disallow: /01/ Disallow: /02/ Disallow: /03/ 禁止某个搜索引擎的访问(下例中的BadBot) User-agent: BadBot Disallow: / 只允许某个搜索引擎的访问(下例中的Crawler) User-agent: Crawler Disallow: User-agent: * Disallow: / 另外,我觉得有必要进行拓展说明,对robots meta进行一些介绍: Robots META标签则主要是针对一个个具体的页面。和其他的META标签(如使用的语言、页面的描述、关键词等)一样,Robots META标签也是放在页面的<head></head>中,专门用来告诉搜索引擎ROBOTS如何抓取该页的内容。 Robots META标签的写法: Robots META标签中没有大小写之分,name=”Robots”表示所有的搜索引擎,可以针对某个具体搜索引擎写为name=”BaiduSpider”。 content部分有四个指令选项:index、noindex、follow、nofollow,指令间以“,”分隔。 INDEX 指令告诉搜索机器人抓取该页面; FOLLOW 指令表示搜索机器人可以沿着该页面上的链接继续抓取下去; Robots Meta标签的缺省值是INDEX和FOLLOW,只有inktomi除外,对于它,缺省值是INDEX,NOFOLLOW。 这样,一共有四种组合: <META NAME=”ROBOTS” CONTENT=”INDEX,FOLLOW”> <META NAME=”ROBOTS” CONTENT=”NOINDEX,FOLLOW”> <META NAME=”ROBOTS” CONTENT=”INDEX,NOFOLLOW”> <META NAME=”ROBOTS” CONTENT=”NOINDEX,NOFOLLOW”> 其中 <META NAME=”ROBOTS” CONTENT=”INDEX,FOLLOW”>可以写成<META NAME=”ROBOTS” CONTENT=”ALL”>; <META NAME=”ROBOTS” CONTENT=”NOINDEX,NOFOLLOW”>可以写成<META NAME=”ROBOTS” CONTENT=”NONE”> 目前看来,绝大多数的搜索引擎机器人都遵守robots.txt的规则,而对于Robots META标签,目前支持的并不多,但是正在逐渐增加,如著名搜索引擎GOOGLE就完全支持,而且GOOGLE还增加了一个指令“archive”,可以限制GOOGLE是否保留网页快照。例如: <META NAME=”googlebot” CONTENT=”index,follow,noarchive”> 表示抓取该站点中页面并沿着页面中链接抓取,但是不在GOOLGE上保留该页面的网页快照。 有关Robots的其他资料: http://www.robotstxt.org/ 如何撰写Robots文件 本文摘抄自 如何写robots.txt 相关文章: 网站SEO并非一定需要静态化 2007-09-24 SEO之友情链接十个注意事项 2007-08-11 获取外部链接的几种不健康手段 2007-08-11 博商零售业网上商店系统解决方案 2007-08-08 SEO应该关注的主题:巧妙地处理内容复制 2007-08-07 收藏到: Del.icio.us 分类: SEO Tag: SEO 引用地址: freshoutlook 发表于 22:32:56 | 编辑 | 继续话题 | 转发 | 推荐 发表评论

原始快照:web.archive.org