我們專注于SEO網(wǎng)站搜索引擎優(yōu)化
robots.txt文件是一個(gè)網(wǎng)站根目錄下的文本文件,用于指示搜索引擎哪些頁面可以被抓取和哪些頁面不應(yīng)該被抓取。搜索引擎爬蟲在訪問網(wǎng)站時(shí)會(huì)讀取robots.txt文件,并根據(jù)文件中的指示來確定哪些頁面可以被抓取,哪些頁面應(yīng)該被忽略。
以下是一些使用robots.txt文件的建議:
確定哪些頁面不應(yīng)該被抓?。涸诰帉憆obots.txt文件時(shí),應(yīng)該明確指出哪些頁面不應(yīng)該被搜索引擎抓取。這些頁面可能是私人頁面、測試頁面、重復(fù)頁面等等。
保護(hù)敏感信息:如果您的網(wǎng)站包含敏感信息,如用戶數(shù)據(jù)或機(jī)密文檔,您可以使用robots.txt文件來保護(hù)這些信息,確保它們不會(huì)被搜索引擎抓取。
避免阻止搜索引擎抓取整個(gè)網(wǎng)站:robots.txt文件應(yīng)該僅用于限制特定頁面或目錄的抓取,而不是整個(gè)網(wǎng)站的抓取。如果您希望搜索引擎完全忽略您的網(wǎng)站,請考慮使用其他方法,如Meta標(biāo)簽或頁面頭信息。
檢查robots.txt文件是否有效:在創(chuàng)建robots.txt文件后,應(yīng)該使用Google Search Console等工具來檢查它是否有效,并檢查哪些頁面可以被抓取和哪些頁面不能被抓取。
以下是一個(gè)簡單的robots.txt文件示例:
User-agent: *
Disallow: /private/
Disallow: /admin/
在上面的示例中,User-agent:*表示所有搜索引擎爬蟲都適用這個(gè)規(guī)則。Disallow:/private/表示不允許搜索引擎爬蟲訪問名為“private”的目錄,Disallow:/admin/表示不允許搜索引擎爬蟲訪問名為“admin”的目錄。這意味著搜索引擎爬蟲將無法訪問這些目錄中的任何頁面。
下面,我將列舉一些robots.txt的具體用法:
允許所有的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: /
只允許某個(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robots meta進(jìn)行一些介紹:
Robots META標(biāo)簽則主要是針對一個(gè)個(gè)具體的頁面。和其他的META標(biāo)簽(如使用的語言、頁面的描述、關(guān)鍵詞等)一樣,Robots META標(biāo)簽也是放在頁面的<head></head>中,專門用來告訴搜索引擎ROBOTS如何抓取該頁的內(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)器人抓取該頁面;
FOLLOW 指令表示搜索機(jī)器人可以沿著該頁面上的鏈接繼續(xù)抓取下去;
Robots Meta標(biāo)簽的缺省值是INDEX和FOLLOW,只有inktomi除外,對于它,缺省值是INDEX,NOFOLLOW。
這樣,一共有四種組合:
<META NAME="ROBOTS" CONTENT="INDEX,FOLLOW">
?。糓ETA NAME="ROBOTS" CONTENT="NOINDEX,FOLLOW">
?。糓ETA NAME="ROBOTS" CONTENT="INDEX,NOFOLLOW">
?。糓ETA NAME="ROBOTS" CONTENT="NOINDEX,NOFOLLOW">
其中
<META NAME="ROBOTS" CONTENT="INDEX,FOLLOW">可以寫成<META NAME="ROBOTS" CONTENT="ALL">;
?。糓ETA NAME="ROBOTS" CONTENT="NOINDEX,NOFOLLOW">可以寫成<META NAME="ROBOTS" CONTENT="NONE">
目前看來,絕大多數(shù)的搜索引擎機(jī)器人都遵守robots.txt的規(guī)則,而對于Robots META標(biāo)簽,目前支持的并不多,但是正在逐漸增加,如著名搜索引擎GOOGLE就完全支持,而且GOOGLE還增加了一個(gè)指令“archive”,可以限制GOOGLE是否保留網(wǎng)頁快照。例如:
?。糓ETA NAME="googlebot" CONTENT="index,follow,noarchive">
表示抓取該站點(diǎn)中頁面并沿著頁面中鏈接抓取,但是不在GOOLGE上保留該頁面的網(wǎng)頁快照。
如何使用robots.txt
robots.txt 文件對抓取網(wǎng)絡(luò)的搜索引擎漫游器(稱為漫游器)進(jìn)行限制。這些漫游器是自動(dòng)的,在它們訪問網(wǎng)頁前會(huì)查看是否存在限制其訪問特定網(wǎng)頁的 robots.txt 文件。如果你想保護(hù)網(wǎng)站上的某些內(nèi)容不被搜索引擎收入的話,robots.txt是一個(gè)簡單有效的工具。這里簡單介紹一下怎么使用它。
如何放置Robots.txt文件
robots.txt自身是一個(gè)文本文件。它必須位于域名的根目錄中并 被命名為"robots.txt"。位于子目錄中的 robots.txt 文件無效,因?yàn)槁纹髦辉谟蛎母夸浿胁檎掖宋募?。例如,http://www.example.com/robots.txt 是有效位置,http://www.example.com/mysite/robots.txt 則不是。
這里舉一個(gè)robots.txt的例子:
User-agent: *
Disallow: /cgi-bin/
Disallow: /tmp/
Disallow: /~name/
使用 robots.txt 文件攔截或刪除整個(gè)網(wǎng)站
要從搜索引擎中刪除您的網(wǎng)站,并防止所有漫游器在以后抓取您的網(wǎng)站,請將以下 robots.txt 文件放入您服務(wù)器的根目錄:
User-agent: *
Disallow: /
要只從 Google 中刪除您的網(wǎng)站,并只是防止 Googlebot 將來抓取您的網(wǎng)站,請將以下 robots.txt 文件放入您服務(wù)器的根目錄:
User-agent: Googlebot
Disallow: /
每個(gè)端口都應(yīng)有自己的 robots.txt 文件。尤其是您通過 http 和 https 托管內(nèi)容的時(shí)候,這些協(xié)議都需要有各自的 robots.txt 文件。例如,要讓 Googlebot 只為所有的 http 網(wǎng)頁而不為 https 網(wǎng)頁編制索引,應(yīng)使用下面的 robots.txt 文件。
對于 http 協(xié)議 (http://yourserver.com/robots.txt):
User-agent: *
Allow: /
對于 https 協(xié)議 (https://yourserver.com/robots.txt):
User-agent: *
Disallow: /
允許所有的漫游器訪問您的網(wǎng)頁
User-agent: *
Disallow:
(另一種方法: 建立一個(gè)空的 "/robots.txt" 文件, 或者不使用robot.txt。)
使用 robots.txt 文件攔截或刪除網(wǎng)頁
您可以使用 robots.txt 文件來阻止 Googlebot 抓取您網(wǎng)站上的網(wǎng)頁。 例如,如果您正在手動(dòng)創(chuàng)建 robots.txt 文件以阻止 Googlebot 抓取某一特定目錄下(例如,private)的所有網(wǎng)頁,可使用以下 robots.txt 條目:
User-agent: Googlebot
Disallow: /private
要阻止 Googlebot 抓取特定文件類型(例如,.gif)的所有文件,可使用以下 robots.txt 條目:
User-agent: Googlebot
Disallow: /*.gif$
要阻止 Googlebot 抓取所有包含 ? 的網(wǎng)址(具體地說,這種網(wǎng)址以您的域名開頭,后接任意字符串,然后是問號,而后又是任意字符串),可使用以下條目:
User-agent: Googlebot
Disallow: /*?
盡管我們不抓取被 robots.txt 攔截的網(wǎng)頁內(nèi)容或?yàn)槠渚幹扑饕?,但如果我們在網(wǎng)絡(luò)上的其他網(wǎng)頁中發(fā)現(xiàn)這些內(nèi)容,我們?nèi)匀粫?huì)抓取其網(wǎng)址并編制索引。因此,網(wǎng)頁網(wǎng)址及其他公開的信息,例如指 向該網(wǎng)站的鏈接中的定位文字,有可能會(huì)出現(xiàn)在 Google 搜索結(jié)果中。不過,您網(wǎng)頁上的內(nèi)容不會(huì)被抓取、編制索引和顯示。
作為網(wǎng)站管理員工具的一部分,Google提供了robots.txt分析工具。它可以按照 Googlebot 讀取 robots.txt 文件的相同方式讀取該文件,并且可為 Google user-agents(如 Googlebot)提供結(jié)果。我們強(qiáng)烈建議您使用它。 在創(chuàng)建一個(gè)robots.txt文件之前,有必要考慮一下哪些內(nèi)容可以被用戶搜得到,而哪些則不應(yīng)該被搜得到。 這樣的話,通過合理地使用robots.txt, 搜索引擎在把用戶帶到您網(wǎng)站的同時(shí),又能保證隱私信息不被收錄。
誤區(qū)一:我的網(wǎng)站上的所有文件都需要蜘蛛抓取,那我就沒必要在添加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(gè)不存在的URL時(shí),服務(wù)器都會(huì)在日志中記錄404錯(cuò)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(cuò)誤,所以你應(yīng)該做網(wǎng)站中添加一個(gè)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)站中的程序腳本、樣式表等文件即使被蜘蛛收錄,也不會(huì)增加網(wǎng)站的收錄率,還只會(huì)浪費(fèi)服務(wù)器資源。因此必須在robots.txt文件里設(shè)置不要讓搜索蜘蛛索引這些文件。
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(huì)導(dǎo)致整個(gè)網(wǎng)站不能被搜索引擎收錄。
robots.txt使用技巧
1. 每當(dāng)用戶試圖訪問某個(gè)不存在的URL時(shí),服務(wù)器都會(huì)在日志中記錄404錯(cuò)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(cuò)誤,所以你應(yīng)該在網(wǎng)站中添加一個(gè)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(chǔ)存在“cgi-bin”目錄下,因此在robots.txt文件中加入“Disallow: /cgi-bin”是個(gè)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(dòng)態(tài)網(wǎng)頁,并且你為這些動(dòng)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(dòng)態(tài)網(wǎng)頁被蜘蛛索引,以保證這些網(wǎng)頁不會(huì)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: sitemap.xml
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(gè)圈子內(nèi)。這樣做的好處就是,站長不用到每個(gè)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(huì)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(cuò)。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。
北京愛品特SEO網(wǎng)站優(yōu)化提供專業(yè)的網(wǎng)站SEO診斷服務(wù)、SEO顧問服務(wù)、SEO外包服務(wù),咨詢電話或微信:13811777897 袁先生 可免費(fèi)獲取SEO網(wǎng)站診斷報(bào)告。
北京網(wǎng)站優(yōu)化公司 >> SEO資訊 >> SEO常見問題 >> 什么是robots.txt文件?如何使用robots.txt文件? 本站部分內(nèi)容來源于互聯(lián)網(wǎng),如有版權(quán)糾紛或者違規(guī)問題,請聯(lián)系我們刪除,謝謝!
售后響應(yīng)及時(shí)
全國7×24小時(shí)客服熱線數(shù)據(jù)備份
更安全、更高效、更穩(wěn)定價(jià)格公道精準(zhǔn)
項(xiàng)目經(jīng)理精準(zhǔn)報(bào)價(jià)不弄虛作假合作無風(fēng)險(xiǎn)
重合同講信譽(yù),無效全額退款加微信1v1咨詢
13811777897