SEO之robots.txt
Posted 千千寰宇
tags:
篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了SEO之robots.txt相关的知识，希望对你有一定的参考价值。
【关键词：robot.txt,sitemap,User-Agent,Disallow,Allow】
[声明：摘自Wikipedia]
1. 定义：robots.txt（统一小写）是一种存放于网站根目录下的ASCII编码的文本文件，它通常告诉网络搜索引擎的漫游器（又称网络蜘蛛），此网站中的哪些内容是不应被搜索引擎的漫游器获取的，哪些是可以被漫游器获取的。有些搜索引擎会遵守这一规范，而其他则不然。通常搜索引擎会识别这个元数据，不索引这个页面，以及这个页面的链出页面。
2.要求：
0.robots.txt协议并不是一个规范，而只是约定俗成的，所以并不能保证网站的隐私。
1.robots.txt的文件名应统一为小写。
（因：一些系统中的URL是大小写敏感的）
2.robots.txt应放置于网站的根目录下。
3.如果想单独定义搜索引擎的漫游器访问子目录时的行为，那么：
可以将自定的设置合并到根目录下的robots.txt；
或者使用robots元数据（Metadata，又称元数据）。
4.目录末尾有与没有斜杠“/”表示的是不同的URL
(因：robots.txt是用字符串比较来确定是否获取URL)
5.robots.txt允许使用类似"Disallow: *.gif"这样的通配符
6.其他的影响搜索引擎的行为的方法包括使用robots元数据：
[声明：摘自Wikipedia]
1. 定义：robots.txt（统一小写）是一种存放于网站根目录下的ASCII编码的文本文件，它通常告诉网络搜索引擎的漫游器（又称网络蜘蛛），此网站中的哪些内容是不应被搜索引擎的漫游器获取的，哪些是可以被漫游器获取的。有些搜索引擎会遵守这一规范，而其他则不然。通常搜索引擎会识别这个元数据，不索引这个页面，以及这个页面的链出页面。
2.要求：
0.robots.txt协议并不是一个规范，而只是约定俗成的，所以并不能保证网站的隐私。
1.robots.txt的文件名应统一为小写。
（因：一些系统中的URL是大小写敏感的）
2.robots.txt应放置于网站的根目录下。
3.如果想单独定义搜索引擎的漫游器访问子目录时的行为，那么：
可以将自定的设置合并到根目录下的robots.txt；
或者使用robots元数据（Metadata，又称元数据）。
4.目录末尾有与没有斜杠“/”表示的是不同的URL
(因：robots.txt是用字符串比较来确定是否获取URL)
5.robots.txt允许使用类似"Disallow: *.gif"这样的通配符
6.其他的影响搜索引擎的行为的方法包括使用robots元数据：
<meta name="robots" content="noindex,nofollow" />
3.示例：
1.允许所有机器人：
User-agent: *
3.示例：
1.允许所有机器人：
User-agent: *
Disallow:
-----or↓-----
User-agent: *
-----or↓-----
User-agent: *
Allow:/
2.仅允许特定的机器人：（name_spider用真实名字代替）
2.仅允许特定的机器人：（name_spider用真实名字代替）
User-agent: name_spider
Allow:
3.拦截所有的机器人：
3.拦截所有的机器人：
User-agent: *
Disallow: /
4.禁止所有机器人访问特定目录：
4.禁止所有机器人访问特定目录：
User-agent: *
Disallow: /
cgi-bin/
Disallow: /images/
Disallow: /tmp/
Disallow: /private/
Disallow: /
cgi-bin/
Disallow: /images/
Disallow: /tmp/
Disallow: /private/
5.仅禁止坏爬虫访问特定目录（BadBot用真实的名字代替）：
User-agent: BadBot
Disallow: /private/
Disallow: /private/
6.禁止所有机器人访问特定文件类型：
Disallow: /*.css$
////////////////////////
////////////////////////
Sitemap:
Sitemap指令被几大搜索引擎支持（包括Google、Yahoo、Bing和Ask），指定了网站Sitemaps文件的位置。Sitemaps文件包含了网站页面所在的URL的一个列表。Sitemap指令并不受User-agent指令的限制，所以它可以放在robots.txt文件中的任意位置。唯一要注意的就是要使用网站地图指令，<sitemap_location>,并将URL的"location"值换成网站地图的地址。[编写方法参考：https://www.sitemaps.org/index.html] Sitemap: <http://www.example.com/sitemap.xml>;
///////////////////////
//////////////////////
//////////////////////
参考文献：
///////////////////////
Crawl-delay指令
几大抓取工具支持Crawl-delay参数，设置为多少秒，以等待同服务器之间连续请求：
User-agent: *
Crawl-delay: 10//////////////////////
Allow指令
一些大的Crawlers支持一项Allow指令，可以抵消先前Disallow指令。比如Googlebot。//////////////////////
虽然robots.txt是最为广泛接受的方法，但也可以与robots META标签一起使用。robots META标签主要是针对一个独立的页面设置，与其他的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标签中，专门用来告诉搜索引擎robots如何抓取该页的内容。注
<head> <meta name="robots" content="noindex,nofollow" /></head>
/////////////////////
常见robot：
Googlebot
//////////////////////////////////////////
常见robot：
Googlebot
参考文献：
- 使用robots.txt文件阻止或删除网页 (html). Google网站站长工具帮助. [2012-10-16].
- 2.02.1完全指南：如何写好WordPress博客的robots.txt文件 (HTML). The Observing Mind. [2013-02-14].
- Jerri L.Ledord著马煜译. 搜索引擎优化宝典. : 257.
- How can I reduce the number of requests you make on my web site? (HTML). Yahoo! Slurp. [2007-02-08].
- MSNBot is crawling a site too frequently (HTML). Troubleshoot issues with MSNBot and site crawling. [2007-02-08].
- 如何拦截Googlebot（谷歌网站站长工具帮助）（简体中文）
以上是关于SEO之robots.txt的主要内容，如果未能解决你的问题，请参考以下文章