SEO基礎篇：robots寫法

    今天上海瀟然孤雁飛就和大家一些來溫習一下SEO基礎知識:robots.txt文件的寫法。

    1. robots.txt的定義

    robots.txt只是一個協議，而不是一個命令。robots.txt是搜索引擎中訪問網站的時候要查看的第一個文件。robots.txt文件告訴蜘蛛程序在服務器上什么文件是可以被查看的。

　當一個搜索蜘蛛訪問一個站點時，它會首先檢查該站點根目錄下是否存在robots.txt，如果存在，搜索機器人就會按照該文件中的內容來確定訪問的范圍；如果該文件不存在，所有的搜索蜘蛛將能夠訪問網站上所有沒有被口令保護的頁面。

    百度官方建議，僅當您的網站包含不希望被搜索引擎收錄的內容時，才需要使用robots.txt文件。如果您希望搜索引擎收錄網站上所有內容，請勿建立robots.txt文件。

   2. robots.txt存放的位置

　  robots.txt必須放置在你網站空間的根目錄下，而且文件名必須全部小寫。

     例如 路徑如下:  http://www.xlfseo.com/robots.txt

    3. robots.txt文件在SEO中作用

　搜索引擎通過一種爬蟲spider程序（又稱搜索蜘蛛、robot、搜索機器人等），自動搜集互聯網上的網頁并獲取相關信息。

　鑒于網絡安全與隱私的考慮，搜索引擎遵循robots.txt協議。通過根目錄中創建的純文本文件robots.txt，網站可以聲明不想被robots訪問的部分。每個網站都可以自主控制網站是否愿意被搜索引擎收錄，或者指定搜索引擎只收錄指定的內容。當一個搜索引擎的爬蟲訪問一個站點時，它會首先檢查該站點根目錄下是否存在robots.txt，如果該文件不存在，那么爬蟲就沿著鏈接抓取，如果存在，爬蟲就會按照該文件中的內容來確定訪問的范圍。

　我們在進行網站優化的時候，如新站剛上線網站內容暫末完善或者一些錯誤的文章,或機密的文件如會員信息,產品報價等,不想讓搜索引擎抓取,這就需要設置robots文件把一些內容屏敝告訴搜索引擎不要抓取那些隱私。

    4. robots.txt文件的寫法

　　語法：最簡單的 robots.txt 文件使用兩條規則：
· User-Agent: 適用下列規則的漫游器
· Disallow: 要攔截的網頁

　　User-agent: *                      這里的*代表的所有的搜索引擎種類，*是一個通配符
Disallow: /admin/               這里定義是禁止爬尋admin目錄下面的目錄
Disallow: /require/              這里定義是禁止爬尋require目錄下面的目錄
Disallow: /ABC/                   這里定義是禁止爬尋ABC目錄下面的目錄
Disallow: /cgi-bin/*.htm     禁止訪問/cgi-bin/目錄下的所有以".htm"為后綴的URL(包含子目錄)。
Disallow: /*?*                      禁止訪問網站中所有的動態頁面
Disallow: /.jpg$                   禁止抓取網頁所有的.jpg格式的圖片
Disallow:/ab/adc.html       禁止爬取ab文件夾下面的adc.html文件。
Allow: /cgi-bin/　                這里定義是允許爬尋cgi-bin目錄下面的目錄
Allow: /tmp                          這里定義是允許爬尋tmp的整個目錄
Allow: .htm$                       僅允許訪問以".htm"為后綴的URL。
Allow: .gif$                         允許抓取網頁和gif格式圖片

   5. robots.txt書寫典型案例

    1). 淘寶網屏蔽百度

    2008年9月8日淘寶網正式向百度宣戰：淘寶網將屏蔽百度的搜索引擎抓取，這是國內首家大型商業網站公開宣稱屏蔽搜索引擎的信息抓取。淘寶網新聞發言人盧先生對《第一財經日報》表示，淘寶是完全屏蔽百度，但只屏蔽谷歌很小一部分。“淘寶一直以來，都會對搜索引擎實施不同程度的屏蔽，以保護用戶信息、商品信息等商業數據，對百度如此，對谷歌也一樣。”

    淘寶網的 robots.txt文件書寫格式：

　　User-agent: Baiduspider
Disallow: /
User-agent: baiduspider
Disallow: /

 

    2. seowhy搜外 robots.txt文件書寫格式：

    User-agent: *
    Disallow: /plus/
    Disallow: /inclu
    Disallow: /temple
    Disallow: /bbs/?
    Disallow: /ed
    Disallow: /tupian/
    Disallow: /www
    Disallow: /yinpin/
    Disallow: /bbs2/
    Disallow: /zancu
    Disallow: /zili
    Disallow: /uplo
    Disallow: /images/
    Disallow: /imgs/
    Disallow: /sns/
    Disallow: /pdf/
    Disallow: /wiki
    Disallow: /blog
    Disallow: /rencai
    Disallow: /faq
    Disallow: /wikizx.php
    Disallow: /wikimy.php
    Disallow: /wikiwd.php
    Disallow: /show.php
    Disallow: /bbs/dnfourm.php?
    Disallow: /news/seowhy.ph
    Disallow: /course/gov.ph
    Disallow: /course/av.ph
    Disallow: /special/seowhy.ph

    5. robots.txt書寫注意事項

　1) robots文件中的內容的大小寫不可更改，Disallow后面的冒號必須為英文狀態的。

　2).你希望網站上所有的文件都需要被蜘蛛抓取，如果沒有添加robots.txt文件了, 搜索蜘蛛將默認能夠訪問網站上所有沒有被口令保護的頁面。

    3).網站中的腳本程序、樣式表等文件即使被蜘蛛收錄，也不會增加網站的收錄率，還只會占用服務器存儲空間。因此必須在robots.txt文件里設置不要讓搜索蜘蛛索引腳本程序、樣式表等文件，具體哪些文件需要排除。

    4).合理使用robots.txt文件還能避免訪問時出錯。比如，不能讓搜索者直接進入購物車頁面。因為沒有理由使購物車被收錄，所以你可以在robots.txt文件里設置來阻止搜索者直接進入購物車頁面。

   5).如果你的網站是動態網頁，并且你為這些動態網頁創建了靜態副本，以供搜索蜘蛛更容易抓取。那么你需要在robots.txt文件里設置避免動態網頁被蜘蛛索引，以保證這些網頁不會被視為含重復內容。

    6).每當用戶試圖訪問某個不存在的URL時，服務器都會在日志中記錄404錯誤（無法找到文件）。每當搜索蜘蛛來尋找并不存在的robots.txt文件時，服務器也將在日志中記錄一條404錯誤，所以你應該在網站中添加一個robots.txt。

    6.robots.txt生成工具

    一些新手SEO如果對于以上的內容還有一些疑問,瀟然孤雁飛在為大家分享一款傻瓜化的生成Robots.txt工具,在線直接生成。

服務器租用/服務器托管中國五強！虛擬主機域名注冊頂級提供商！15年品質保障！--億恩科技[ENKJ.COM]