robots文件生成

  • 时间:
  • 浏览:0

Robots.txt 是存装进站点根目录下的另一三个 纯文本文件。不言而喻它的设置很简单,有时候作用却很强大。它可非要指定搜索引擎蜘蛛只抓取指定的内容,肯能是禁止搜索引擎蜘蛛抓取网站的次责或删改内容。

使用最好的办法:

Robots.txt 文件应该装进网站根目录下,有时候该文件是可非要通过互联网进行访问的。

累似 :肯能您的网站地址是 http://www.yourdomain.com/没人,该文件可不可以不可不可以通过 http://www.yourdomain.com/robots.txt 打开并看完上面的内容。

格式:

User-agent:

用于描述搜索引擎蜘蛛的名字,在" Robots.txt "文件中,肯能有多条User-agent记录说明有多个搜索引擎蜘蛛会受到该协议的限制,对该文件来说,合适要有第一根User-agent记录。肯能该项的值设为*,则该协议对任何搜索引擎蜘蛛均有效,在" Robots.txt "文件中,"User-agent:*"没人 的记录非要有第一根。

Disallow:

用于描述不希望被访问到的另一三个 URL,你你这名URL可非就说 第一根删改的路径,也可非就说 次责的,任何以Disallow开头的URL均不需要被Robot访问到。

举例:

例一:"Disallow:/help"是指/help.html 和/help/index.html都在允许搜索引擎蜘蛛抓取。

例二:"Disallow:/help/"是指允许搜索引擎蜘蛛抓取/help.html,而非要抓取/help/index.html。

例三:Disallow记录为空说明该网站的所有页面都允许被搜索引擎抓取,在"/robots.txt"文件中,合适要有第一根Disallow记录。肯能"/robots.txt"是另一三个 空文件,则对于所有的搜索引擎蜘蛛,该网站都在开放的可非要被抓取的。

#:Robots.txt 协议中的注释符。

综合例子 :

例一:通过"/robots.txt"禁止所有搜索引擎蜘蛛抓取"/bin/cgi/"目录,以及 "/tmp/"目录和 /foo.html 文件,设置最好的办法如下:

User-agent: *

Disallow: /bin/cgi/

Disallow: /tmp/

Disallow: /foo.html

例二:通过"/robots.txt"只允许某个搜索引擎抓取,而禁止有时候 的搜索引擎抓取。如:只允许名为"slurp"的搜索引擎蜘蛛抓取,而拒绝有时候 的搜索引擎蜘蛛抓取 "/cgi/" 目录下的内容,设置最好的办法如下:

User-agent: *

Disallow: /cgi/

User-agent: slurp

Disallow:

例三:禁止任何搜索引擎抓取我的网站,设置最好的办法如下:

User-agent: *

Disallow: /

例四:只禁止某个搜索引擎抓取我的网站如:只禁止名为“slurp”的搜索引擎蜘蛛抓取,设置最好的办法如下:

User-agent: slurp

Disallow: /

更多参考资料 (英文版)