robot.txt寫法 robots文件怎么寫 robots文件寫法技巧(2)
時間：2016-05-14 15:33 來源：未知 作者：ADMIN 人氣：
【導讀】：資料二 一．什么是robots.txt文件? 搜索引擎通過一種程序robot（又稱spider），自動訪問互聯網上的網頁并獲取網頁信息。 您可以在您的網站中創建一個純文本文件robots.txt，在這個文件中聲明該網站中不想被robot訪...
資料二
一．什么是robots.txt文件?
搜索引擎通過一種程序robot（又稱spider），自動訪問互聯網上的網頁并獲取網頁信息。
您可以在您的網站中創建一個純文本文件robots.txt，在這個文件中聲明該網站中不想被robot訪問的部分，這樣，該網站的部分或全部內容就可以不被搜索引擎收錄了，或者指定搜索引擎只收錄指定的內容。
二. robots.txt文件放在哪里?
robots.txt文件應該放在網站根目錄下。舉例來說，當robots訪問一個網站（比如http://www.abc.com）時，首先會檢查該網站中是否存在http://www.abc.com/robots.txt這個文件，如果機器人找到這個文件，它就會根據這個文件的內容，來確定它訪問權限的范圍。
網站 URL 相應的 robots.txt的 URL
http://www.w3.org/ http://www.w3.org/robots.txt
http://www.w3.org:80/ http://www.w3.org:80/robots.txt
http://www.w3.org:1234/ http://www.w3.org:1234/robots.txt
http://w3.org/??http://w3.org/robots.txt
三. robots.txt文件的格式
"robots.txt"文件包含一條或更多的記錄，這些記錄通過空行分開（以CR,CR/NL, or NL作為結束符），每一條記錄的格式如下所示：
"<field>:<optionalspace><value><optionalspace>"。
在該文件中可以使用#進行注解，具體使用方法和UNIX中的慣例一樣。該文件中的記錄通常以一行或多行User-agent開始，后面加上若干Disallow行,詳細情況如下：
User-agent:
該項的值用于描述搜索引擎robot的名字，在"robots.txt"文件中，如果有多條User-agent記錄說明有多個robot會受到該協議的限制，對該文件來說，至少要有一條User-agent記錄。如果該項的值設為*，則該協議對任何機器人均有效，在"robots.txt"文件中，"User-agent：*"這樣的記錄只能有一條。
Disallow :
該項的值用于描述不希望被訪問到的一個URL，這個URL可以是一條完整的路徑，也可以是部分的，任何以Disallow 開頭的URL均不會被robot訪問到。例如"Disallow: /help"對/help.html 和/help/index.html都不允許搜索引擎訪問，而"Disallow: /help/"則允許robot訪問/help.html，而不能訪問/help/index.html。
任何一條Disallow記錄為空，說明該網站的所有部分都允許被訪問，在"/robots.txt"文件中，至少要有一條Disallow記錄。如果"/robots.txt"是一個空文件，則對于所有的搜索引擎robot，該網站都是開放的。
四. robots.txt文件用法舉例
例1. 禁止所有搜索引擎訪問網站的任何部分
下載該robots.txt文件
User-agent: *
Disallow: /
例2. 允許所有的robot訪問
(或者也可以建一個空文件 "/robots.txt" file)
??
User-agent: *
Disallow:
例3. 禁止某個搜索引擎的訪問
User-agent: BadBot
Disallow: /
例4. 允許某個搜索引擎的訪問
User-agent: baiduspider
Disallow:
User-agent: *
Disallow: /
例5. 一個簡單例子
在這個例子中，該網站有三個目錄對搜索引擎的訪問做了限制，即搜索引擎不會訪問這三個目錄。
需要注意的是對每一個目錄必須分開聲明，而不要寫成 "Disallow: /cgi-bin/ /tmp/"。
User-agent:后的* 具有特殊的含義，代表"any robot"，所以在該文件中不能有"Disallow: /tmp/*" or "Disallow: *.gif"這樣的記錄出現.
User-agent: *
Disallow: /cgi-bin/
Disallow: /tmp/
Disallow: /~joe/
五. robots.txt文件參考資料
robots.txt文件的更具體設置,請參看以下鏈接：
· Web Server Administrator''s Guide to the Robots Exclusion Protocol
· HTML Author''s Guide to the Robots Exclusion Protocol
· The original 1994 protocol description, as currently deployed
· The revised Internet-Draft specification, which is not yet completed or implemented
在你的主頁中為Web Robot設計路標
Internet越來越酷，WWW的知名度如日中天。在Internet上發布公司信息、進行電子商務已經從時髦演化成時尚。作為一個Web Master，你可能對HTML、java script、Java、 ActiveX了如指掌，但你是否知道什么是Web Robot？你是否知道Web Robot和你所設 計的主頁有什么關系？
Internet上的流浪漢--- Web Robot
有時你會莫名其妙地發現你的主頁的內容在一個搜索引擎中被索引，即使你從未與他 們有過任何聯系。其實這正是Web Robot的功勞。Web Robot其實是一些程序，它可以 穿越大量Internet網址的超文本結構，遞歸地檢索網絡站點所有的內容。這些程序有時被叫 “蜘蛛（Spider）” ， “網上流浪漢（Web Wanderer）”，“網絡蠕蟲（web worms）”或Web crawler。一些Internet網上知名的搜索引擎站點（Search Engines）都有專門的Web Robot程序來完成信息的采集，例如Lycos，Webcrawler，Altavista等，以及中文搜索引擎站點例如北極星，網易，GOYOYO等。
Web Robot就象一個不速之客，不管你是否在意，它都會忠于自己主人的職責，任勞任怨、不知疲倦地奔波于萬維網的空間，當然也會光臨你的主頁，檢索主頁內容并生成它所需要的記錄格式。或許有的主頁內容你樂于世人皆知，但有的內容你卻不愿被洞察、索引。難道你就只能任其“橫行”于自己主頁空間，能否指揮和控制Web Robot的行蹤呢？答案當然是肯定的。只要你閱讀了本篇的下文，就可以象一個交通 警察一樣，布置下一個個路標，告訴Web Robot應該怎么去檢索你的主頁，哪些可以檢索，哪些不可以訪問。
其實Web Robot能聽懂你的話
不要以為Web Robot是毫無組織，毫無管束地亂跑。很多Web Robot軟件給網絡站點的 管理員或網頁內容制作者提供了兩種方法來限制Web Robot的行蹤：
1、Robots Exclusion Protocol 協議
網絡站點的管理員可以在站點上建立一個專門格式的文件，來指出站點上的哪一部分 可以被robot訪問, 這個文件放在站點的根目錄下，即robots.txt." target="_blank">http://.../robots.txt.
2、Robots META tag
一個網頁作者可以使用專門的HTML META tag ，來指出某一個網頁是否可以被索 引、分析或鏈接。
這些方法適合于大多數的Web Robot，至于是否在軟件中實施了這些方法，還依賴于 Robot的開發者，并非可以保證對任何Robot都靈驗。如果你迫切需要保護自己內容，則應考慮采用諸如增加密碼等其他保護方法。
使用Robots Exclusion Protocol協議
當Robot訪問一個 Web 站點時，比如http://www.sti.net.cn/，它先去檢查文件robots.txt" target="_blank">http://www.sti.net.cn/robots.txt。如果這個文件存在，它便會按照這樣的記錄格式去分析：
User-agent: *
Disallow: /cgi-bin/
Disallow: /tmp/
Disallow: /~joe/
以確定它是否應該檢索站點的文件。這些記錄是專門給Web Robot看的，一般的瀏覽者大概永遠不會看到這個文件，所以千萬不要異想天開地在里面加入形似<img src=*> 類的HTML語句或是“How do you do? where are you from?”之類假情假意的問候語。
在一個站點上只能有一個 "/robots.txt" 文件，而且文件名的每個字母要求全部是小 寫。在Robot的記錄格式中每一個單獨的"Disallow"行表示你不希望Robot訪問的URL， 每個URL必須單獨占一行，不能出現 "Disallow: /cgi-bin/ /tmp/"這樣的病句。同時在一個記錄中不能出現空行，這是因為空行是多個記錄分割的標志。
User-agent行指出的是Robot或其他代理的名稱。在User-agent行，''*'' 表示一個特殊的含義---所有的robot。
下面是幾個robot.txt的例子：
在整個服務器上拒絕所有的robots：
User-agent: *
Disallow: /
允許所有的robots訪問整個站點：
User-agent: *
Disallow:
或者產生一個空的 "/robots.txt" 文件。
服務器的部分內容允許所有的robot訪問
User-agent: *
Disallow: /cgi-bin/
Disallow: /tmp/
Disallow: /private/
拒絕某一個專門的robot：
User-agent: BadBot
Disallow: /
只允許某一個robot光顧：
User-agent: WebCrawler
Disallow:
User-agent: *
Disallow: /
最后我們給出 http://www.w3.org/站點上的robots.txt：
# For use by search.w3.org
User-agent: W3Crobot/1
Disallow:
User-agent: *
Disallow: /Member/ # This is restricted to W3C Members only
Disallow: /member/ # This is restricted to W3C Members only
Disallow: /team/ # This is restricted to W3C Team only
Disallow: /TandS/Member # This is restricted to W3C Members only
Disallow: /TandS/Team # This is restricted to W3C Team only
Disallow: /Project
Disallow: /Systems
Disallow: /Web
Disallow: /Team
使用Robots META tag方式
Robots META tag 允許HTML網頁作者指出某一頁是否可以被索引，或是否可以用來查找更多的鏈接文件。目前只有部分robot實施了這一功能。
Robots META tag的格式為：
<META NAME="ROBOTS" CONTENT="NOINDEX, NOFOLLOW">
象其他的META tag一樣，它應該放在HTML文件的HEAD區：
<html>
<head>
<meta name="robots" content="noindex,nofollow">
<meta name="description" content="This page ....">
<title>...</title>
</head>
<body>
...
Robots META tag指令使用逗號隔開，可以使用的指令包括 [NO]INDEX 和[NO]FOLLOW。INDEX 指令指出一個索引性robot是否可以對本頁進行索引；FOLLOW 指 令指出robot是否可以跟蹤本頁的鏈接。缺省的情況是INDEX和FOLLOW。例如：
<meta name="robots" content="index,follow">
<meta name="robots" content="noindex,follow">
<meta name="robots" content="index,nofollow">
<meta name="robots" content="noindex,nofollow">
一個好的Web 站點管理員應該將robot的管理考慮在內，使robot為自己的主頁服務， 同時又不損害自己網頁的安全
相關推薦
-
robots.txt怎么寫 robots.txt寫法及作用robots.txt一般是指robots.txt協議。Robots協議（也稱為搜索引擎蜘蛛協議）的全稱是網絡爬蟲排除標準（Robots Exclusion Protocol），網站通過Robots協議...
-
帶你玩轉robots協議 robots協議怎么寫 新手必備2013年2月8日北京市第一中級人民法院正式受理了百度訴奇虎360違反Robots協議抓...
-
反向鏈接是什么意思？反向鏈接其實就是在目標文檔內部進行聲明。換言之，常規鏈接在文檔A中標明指向文檔B，而反向鏈接則在文檔B中要求使文檔A指向我。 概述 假設把網頁文檔A中包含的指向B的鏈接...
-
酒店開房名單網上惡性蔓延 住客信息或繼續泄露如家、漢庭等大批酒店的開房記錄被第三方存儲并因漏洞而泄露的消息日前又有了最新進展，北京商報記者昨日獲悉，一份網傳的泄露名單已在網絡流傳。此次事件后，盡管一些經濟...
-
百度搜索結果今起優先展現原創內容百度一直在醞釀的原創星火計劃已經悄然上線。在搜索引擎結果中，百度通過優先標識、展現互聯網原創內容的方式，幫助網民更便捷地獲取原創內容信息，將用戶流量更多導向原創...
-
蘋果5G版手機 分析師預測蘋果5G版手機將于明年推出
天風國際分析師郭明錤發布最新預測報告，稱預測2020年蘋果將推出3款iPhone，均采用OLED屏幕，并且其中兩款支持5G網絡。 報告預測，2020年iPhone產品線將包括高端的6.7吋與5...
版權聲明：
1、本文系會員投稿或轉載自網絡，版權歸原作者所有，旨在傳遞信息，不代表看本站的觀點和立場;
2、本站僅提供信息發布平臺，不承擔相關法律責任;
3、若侵犯您的版權或隱私，請聯系本站管理員刪除。
