robots.txt詳細(xì)介紹_XHTML教程

robots.txt基本介紹

robots.txt是一個(gè)純文本文件，在這個(gè)文件中網(wǎng)站治理者可以聲明該網(wǎng)站中不想被robots訪問的部分，或者指定搜索引擎只收錄指定的內(nèi)容。

當(dāng)一個(gè)搜索機(jī)器人（有的叫搜索蜘蛛）訪問一個(gè)站點(diǎn)時(shí)，它會(huì)首先檢查該站點(diǎn)根目錄下是否存在robots.txt，假如存在，搜索機(jī)器人就會(huì)按照該文件中的內(nèi)容來確定訪問的范圍；假如該文件不存在，那么搜索機(jī)器人就沿著鏈接抓取。

另外，robots.txt必須放置在一個(gè)站點(diǎn)的根目錄下，而且文件名必須全部小寫。

robots.txt寫作語法

首先，我們來看一個(gè)robots.txt范例：http://www.csswebs.org/robots.txt

訪問以上具體地址，我們可以看到robots.txt的具體內(nèi)容如下：

# Robots.txt file from http://www.csswebs.org
# All robots will spider the domain

User-agent: *
Disallow:

以上文本表達(dá)的意思是答應(yīng)所有的搜索機(jī)器人訪問www.csswebs.org站點(diǎn)下的所有文件。

具體語法分析：其中#后面文字為說明信息；User-agent:后面為搜索機(jī)器人的名稱，后面假如是*，則泛指所有的搜索機(jī)器人；Disallow:后面為不答應(yīng)訪問的文件目錄。

下面，我將列舉一些robots.txt的具體用法：

答應(yīng)所有的robot訪問

User-agent: *
Disallow:

或者也可以建一個(gè)空文件 “/robots.txt” file

禁止所有搜索引擎訪問網(wǎng)站的任何部分

User-agent: *
Disallow: /

禁止所有搜索引擎訪問網(wǎng)站的幾個(gè)部分（下例中的01、02、03目錄）

User-agent: *
Disallow: /01/
Disallow: /02/
Disallow: /03/

禁止某個(gè)搜索引擎的訪問（下例中的BadBot）

User-agent: BadBot
Disallow: /

只答應(yīng)某個(gè)搜索引擎的訪問（下例中的Crawler）

User-agent: Crawler
Disallow:

User-agent: *
Disallow: /

另外，我覺得有必要進(jìn)行拓展說明，對(duì)robots meta進(jìn)行一些介紹：

Robots META標(biāo)簽則主要是針對(duì)一個(gè)個(gè)具體的頁(yè)面。和其他的META標(biāo)簽（如使用的語言、頁(yè)面的描述、要害詞等）一樣，Robots META標(biāo)簽也是放在頁(yè)面的＜head＞＜/head＞中，專門用來告訴搜索引擎ROBOTS如何抓取該頁(yè)的內(nèi)容。

Robots META標(biāo)簽的寫法：

Robots META標(biāo)簽中沒有大小寫之分，name=”Robots”表示所有的搜索引擎，可以針對(duì)某個(gè)具體搜索引擎寫為name=”BaiduSpider”。 content部分有四個(gè)指令選項(xiàng)：index、noindex、follow、nofollow，指令間以“,”分隔。

INDEX 指令告訴搜索機(jī)器人抓取該頁(yè)面；

FOLLOW 指令表示搜索機(jī)器人可以沿著該頁(yè)面上的鏈接繼續(xù)抓取下去；

Robots Meta標(biāo)簽的缺省值是INDEX和FOLLOW，只有inktomi除外，對(duì)于它，缺省值是INDEX,NOFOLLOW。

這樣，一共有四種組合：

＜META NAME=”ROBOTS” CONTENT=”INDEX,FOLLOW”＞
＜META NAME=”ROBOTS” CONTENT=”NOINDEX,FOLLOW”＞
＜META NAME=”ROBOTS” CONTENT=”INDEX,NOFOLLOW”＞
＜META NAME=”ROBOTS” CONTENT=”NOINDEX,NOFOLLOW”＞

其中

＜META NAME=”ROBOTS” CONTENT=”INDEX,FOLLOW”＞可以寫成＜META NAME=”ROBOTS” CONTENT=”ALL”＞；