如何测试 robots.txt 是不是在 localhost 的本地 Web 服务器中工作？

Posted 2023-02-25

【中文标题】如何测试 robots.txt 是不是在 localhost 的本地 Web 服务器中工作？

【英文标题】：how to test if robots.txt works in a local web server on localhost?如何测试 robots.txt 是否在 localhost 的本地 Web 服务器中工作？

【发布时间】：2017-10-02 21:34:21

【问题描述】：

我将 robots.txt 文件添加到本地 Web 服务器的根目录。

服务器上robots.txt文件的url是http://localhost/myserver/robots.txt。

robots.txt文件的内容是

User-agent: *
Disallow: /

如何验证 robots.txt 文件是否适用于本地网络服务器？

我需要在本地安装一些网络爬虫或搜索引擎并运行它来验证吗？

谢谢。

【问题讨论】：

您在本地运行爬虫？或者这是否适用于某个将在网络上发布的网站，并且您想现在测试 robots.txt（即，一旦网站上线，它是否会按预期工作）？

我想在开发环境中进行测试，但还没有在生产环境中进行测试。

【参考方案1】：

如何验证 robots.txt 文件是否适用于本地网络服务器？

据我所知，robots.txt 文件不会阻止抓取工具抓取您的网站。它只是坚持不这样做。这意味着您无法验证这些作品是否不是。

相反，您可以并且应该验证的是爬虫在访问您的网站时能够读取您的robots.txt。您可以通过遵循约定来确保这一点。

这意味着您的robots.txt 文件应该存在于根路径下。 如果您打算在xyz 域下托管您的网站，那么http://xyz/robots.txt 应该是位置。

更多信息，请查看this。

如果您的网站已经上线，您可以使用任何在线工具来验证 robots.txt 是否可以访问。一种这样的工具是this。

【讨论】：

我不明白这是如何被赞成的。问题是如何测试 robots.txt 文件是否在本地工作，本地是关键字。在线检查员将无法访问本地 Web 服务器，因此这不是一个可行的解决方案。

robots.txt 并不总是可行的方法，例如对于 Wordpress，您应该添加一个过滤器来创建您的 robots.txt 规则，而不是根目录下的静态文件。