索引限制文件robots.txt使用說明

一、robots.txt的作用

robots.txt的作用就是告訴搜索引擎哪些內(nèi)容不要索引，一般為了實(shí)現(xiàn)如下目的而使用：

（1）禁止搜索引擎索引系統(tǒng)文件，后臺文件，模板文件，背景圖片。這樣做一方面可以防止搜索引擎收錄很多無關(guān)內(nèi)容，另外可以降低搜索引擎蜘蛛抓取網(wǎng)站時(shí)消耗的資源

（2）禁止搜索引擎收錄需要保密的文件，或者是隱私內(nèi)容。不過值得注意的是，robots.txt只能告訴搜索引擎不收錄這些內(nèi)容，但是并不能防止這些內(nèi)容被訪問，如果是重要信息最好是設(shè)置密碼。

（3）網(wǎng)址規(guī)范化方面的應(yīng)用。啟用偽靜態(tài)的網(wǎng)站，一般同時(shí)存在至少兩套網(wǎng)址，一套是rewrite之后的靜態(tài)地址，一套是原始的動態(tài)地址，如果不限制，搜索引擎可能會收錄大量的重復(fù)內(nèi)容。為了方式這種情況，可以將動態(tài)格式的地址禁止索引。

二、robots.txt的語法：

       我們要在虛擬空間的網(wǎng)站目錄（Windows虛擬主機(jī)在/htdocs下，Linux虛擬主機(jī)在根目錄下）建立robots.txt文件，里面包含的語法如下：

User-agent: 該項(xiàng)的值用于描述搜索引擎蜘蛛的名字。如果該項(xiàng)的值設(shè)為*，則該協(xié)議對任何機(jī)器人均有效。

Disallow: 該項(xiàng)的值用于描述不希望被訪問到的一個URL，一個目錄或者整個網(wǎng)站。以Disallow 開頭的URL 均不會被搜索引擎蜘蛛訪問到。任何一條Disallow 記錄為空，說明該網(wǎng)站的所有部分都允許被訪問。

三、robots.txt使用例子：

例1. 禁止所有搜索引擎訪問網(wǎng)站的任何部分　

　　User-agent: *　

Disallow: /　

例2. 允許所有的robots訪問 (或者也可以建一個空文件 “/robots.txt” file)　

　　User-agent: *　

Allow:　

例3. 禁止某個搜索引擎的訪問（禁止BaiDuSpider）

　　User-agent: BaiDuSpider　

Disallow: /　

例4. 允許某個搜索引擎的訪問　

　　User-agent: Baiduspider　

allow:/　

例5.禁止二個目錄搜索引擎訪問

    User-agent: * 

Disallow: /admin/

Disallow: /install/

例6. 僅允許Baiduspider以及Googlebot訪問

User-agent: Baiduspider

Allow: /

User-agent: Googlebot

Allow: /

User-agent: *

Disallow: /

例7. 禁止百度搜索引擎抓取你網(wǎng)站上的所有圖片

User-agent: Baiduspider

Disallow: /*.jpg$

Disallow: /*.jpeg$

Disallow: /*.gif$

Disallow: /*.png$

Disallow: /*.bmp$

四、robots.txt使用技巧

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

（2）網(wǎng)站管理員必須使蜘蛛程序遠(yuǎn)離某些服務(wù)器上的目錄——保證服務(wù)器性能。比如：大多數(shù)網(wǎng)站服務(wù)器都有程序儲存在“htdocs”目錄下，因此在 robots.txt文件中加入“Disallow: / htdocs”是個好主意，這樣能夠避免將所有程序文件被蜘蛛索引，可以節(jié)省服務(wù)器資源。一般網(wǎng)站中不需要蜘蛛抓取的文件有：后臺管理文件、程序腳本、附件、數(shù)據(jù)庫文件、編碼文件、樣式表文件、模板文件、導(dǎo)航圖片和背景圖片等等。

下面是VeryCMS里的robots.txt文件：

 User-agent: *

Disallow: /admin/ 后臺管理文件

Disallow: /require/ 程序文件

Disallow: /attachment/ 附件

Disallow: /images/ 圖片

Disallow: /data/ 數(shù)據(jù)庫文件

Disallow: /template/ 模板文件

Disallow: /css/ 樣式表文件

Disallow: /lang/ 編碼文件

Disallow: /script/ 腳本文件

（3）如果你的網(wǎng)站是動態(tài)網(wǎng)頁，并且你為這些動態(tài)網(wǎng)頁創(chuàng)建了靜態(tài)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(shè)置避免動態(tài)網(wǎng)頁被蜘蛛索引，以保證這些網(wǎng)頁不會被視為含重復(fù)內(nèi)容。

（4）robots.txt文件里還可以直接包括在sitemap文件的鏈接。就像這樣：

Sitemap: http://www.***.com/sitemap.xml (此處請?zhí)顚懲暾?/span>URL，如果按習(xí)慣填寫Sitemap: /sitemap.xml，提交后會提示：檢測到無效的 Sitemap 網(wǎng)址；語法錯誤)

目前對此表示支持的搜索引擎公司有Google, Yahoo, Ask and MSN。而中文搜索引擎公司，顯然不在這個圈子內(nèi)。這樣做的好處就是，站長不用到每個搜索引擎的站長工具或者相似的站長部分，去提交自己的sitemap 文件，搜索引擎的蜘蛛自己就會抓取robots.txt文件，讀取其中的sitemap路徑，接著抓取其中相鏈接的網(wǎng)頁。

（5）合理使用robots.txt文件還能避免訪問時(shí)出錯。比如，不能讓搜索者直接進(jìn)入購物車頁面。因?yàn)闆]有理由使購物車被收錄，所以你可以在robots.txt文件里設(shè)置來阻止搜索者直接進(jìn)入購物車頁面。

五、robots.txt使用誤區(qū)

誤區(qū)一：我網(wǎng)站上所有的文件都需要被蜘蛛抓取，那我就沒必要添加robots.txt文件了。反正如果該文件不存在，所有的搜索蜘蛛將默認(rèn)能夠訪問網(wǎng)站上所有沒有被口令保護(hù)的頁面。

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

誤區(qū)二：在robots.txt文件中設(shè)置所有的文件都可以被搜索蜘蛛抓取，這樣可以增加網(wǎng)站的收錄率。

網(wǎng)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(wǎng)站的收錄率，還只會占用服務(wù)器存儲空間。因此必須在robots.txt文件里設(shè)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，在robots.txt使用技巧一文中有詳細(xì)介紹。

誤區(qū)三：搜索蜘蛛抓取網(wǎng)頁太浪費(fèi)服務(wù)器資源，在robots.txt文件中設(shè)置所有的搜索蜘蛛都不能抓取全部的網(wǎng)頁。

如果這樣的話，會導(dǎo)致整個網(wǎng)站不能被搜索引擎收錄。