robot.txt

robot.txt的文件格式

“robots.txt”文件包含一條或多條記錄，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#進行注釋，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Ur-agent開始，后面加上若干Disallow行，詳細情況如下：
Ur-agent：
該項的值用于描述搜索引擎機器人robot的名字。在“robots.txt”文件中，如果有多條 Ur-agent記錄，說明有多個robot會受到該協議的約束。所以，“robots.txt”文件中至少要有一條Ur- agent記錄。如果該項的值設為*（通配符），則該協議對任何搜索引擎機器人均有效。在“robots.txt”文件 中，“Ur-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。

robot.txt的使用技巧

每當用戶試圖訪問某個不存在的URL時，服務器都會在日志中記錄404錯誤（無法找到文件）。每當搜索蜘蛛來尋找并不存在的robots.txt文件時，服務器也將在日志中記錄一條404錯誤，所以你應該在網站中添加一個robots.txt。
網站管理員必須使搜索引擎機器人程序遠離服務器上的某些目錄，以保證服務器性能。比如：大多數網站服務器都有程序儲存在“cgi-bin”目錄下，因此在robots.txt文件中加入“Disallow: /cgi-bin”是個好主意，這樣能夠避免所有程序文件都被蜘蛛索引，以達到節省服務器資源的效果。
一般網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、數據庫文件、編碼文件、樣式表文件、模板文件、導航圖片和背景圖片等等。
下面是VeryCMS里的robots.txt文件：
Ur-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/數據庫文件
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
Disallow: /js/js文件
如果你的網站是動態網頁，并且你為這些動態網頁創建了靜態副本，以供搜索蜘蛛更容易抓取。那么你需要在robots.txt文件里設置避免動態網頁被蜘蛛索引，以保證這些網頁不會被視為是網站重復的內容。
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
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。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頁。
合理使用robots.txt文件還能避免訪問時出錯。比如，不能讓搜索者直接進入購物車頁面。因為沒有理由使購物車被收錄，所以你可以在robots.txt文件里設置來阻止搜索者直接進入購物車頁面。

robot.txt作用是什么？

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。

robot.txt的主要作用

有些人會問，既然robots文件沒弄好，或出錯了，會影響整個網站的收錄，那為什么還要這個文件呢？
其實robots是為有特別情況的站長準備的，因為有些網站，有一些頁面是站長不想被任何搜索引擎收錄的，所以才有了這個robots文件。
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
Ur-agent: *
Disallow: /
例2、允許所有的robot訪問
Ur-agent: *
Disallow:
（或者也可以建一個空文件 /robots.txt file）
例3、禁止某個搜索引擎的訪問
Ur-agent: BadBot
Disallow: /
例4、允許某個搜索引擎的訪問
Ur-agent: Baiduspider
Disallow:
Ur-agent: *
Disallow: /
例5、假設某個網站有三個目錄對搜索引擎的訪問做了限制，可以這么寫：
Ur-agent: *
Disallow: /cgi-bin/
Disallow: /tmp/
Disallow: /joe/
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/”。
Ur-agent：后的*（通配符） 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。
另外，robots.txt主要作用是保障網絡安全與網站隱私，百度蜘蛛遵循robots.txt協議。通過根目錄中創建的純文本文件robots.txt，網站就可以聲明哪些頁面不想被百度蜘蛛爬行并收錄，每個網站都可以自主控制網站是否愿意被百度蜘蛛收錄，或者指定百度蜘蛛只收錄指定的內容。當百度蜘蛛訪問某個站點時，它會首先檢查該站點根目錄下是否存在robots.txt，如果該文件不存在，那么爬蟲就沿著鏈接抓取，如果存在，爬蟲就會按照該文件中的內容來確定訪問的范圍。

為什么電腦登錄學習通的網站缺少robot.txt文件？

方法/步驟
首先我們需要了解下robot.txt文件的用途。說到robot.txt不得不提到robot（又稱spider），robot就是搜索機器人，它能夠自動訪問互聯網上的網頁并獲取網頁信息。它會首先檢查該站點根目錄下是否存在robots.txt，如果存在，就會按照該文件中的內容來確定訪問的范圍；如果該文件不存在，所有的搜索蜘蛛將能夠訪問網站上所有沒有被口令保護的頁面。
robot.txt文件的詳細使用教程
了解了它的用途之后，我們就可以深入的研究下這個文件了。一般建站的CMS下面都會自帶有這個文件，而且里面書寫了一些規則，當然這些規則都是根據CMS本身制定的。如果你用的不是現成的建站CMS，而是自己開發的，只需要在網站下面新建一個名為robot.txt文件即可。
robot.txt文件的詳細使用教程
一般情況下robot.txt文件會以Ur-agent:開頭，該項的值用于描述搜索引擎機器人robot的名字。例如Ur-agent:Baiduspider，就是針對百度蜘蛛進行的協議約束，robots.txt文件中至少要有一條Ur-agent記錄。如果該項的值設為*（通配符），則該協議對任何搜索引擎機器人均有效。如果使用通配符，這樣的記錄只能有一條。
robot.txt文件的詳細使用教程
第二個我們要熟悉的就是Disallow，這項值是用來描述不希望被搜索機器人訪問到網址。這個網址可以是完整的路徑，也就是域名加上目錄名或者文件名的格式，也可以是相對，也就是除去了域名，只有文件名或者目錄名。
robot.txt文件的詳細使用教程
很多時候我們需要Disallow的文件或者目錄并不止一個，有些人可能會圖省事，直接把所有的文件或者目錄都寫在了一個Disallow中，其實這是一種錯誤的做法，正確的做法是一個Disallow的對應一個文件或者目錄，有多少個目錄或者文件需要設置就寫幾個Disallow的。
robot.txt文件的詳細使用教程
robot.txt文件中也只有這兩個屬性了，只要掌握了這兩個屬性的用法，我們就可以根據自己網站的情況自定義robot.txt文件了，如果你的robot.txt文件沒弄好，或出錯了，會影響整個網站的收錄，所以自定義robot文件的時候還需要格外注意。
robot.txt文件的詳細使用教程
7
雖然我們有些目錄不想被搜索機器人抓取，但是也不能寫到robot.txt文件中，例如后臺管理地址。相信這個目錄大家都不想被蜘蛛攀爬，但是千萬不要寫入robot文件中，因為它可以被任何人訪問，這樣無形中讓別人通過這個文件知道了你的后臺地址，最后的結果只會事與愿違。

新網站上線如何有效的設置robot.txt文件，robot.txt文件怎樣寫更好。

robots.txt寫作語法首先，我們來看一個robots.txt范例：
#robots.txtfilestart#Robots.txtfilefrom
http://www.361ku.com#AllrobotswillspiderthedomainUr
-agent:*Disallow:/curity/Disallow:/admin/Disallow:/admin.htm#Endrobots.txtfile
有#號的都是注釋，方便閱讀。Ur-agent就是搜索引擎的蜘蛛，后面用了*號，表示對所有的蜘蛛有效。Disallow就是表示不允許抓取，后面的目錄或者文件，表示禁止抓取的范圍。
下面，我將列舉一些robots.txt的具體用法：允許所有的robot訪問Ur-agent:*Disallow:或者也可以建一個空文件"/robots.txt"
禁止所有搜索引擎訪問網站的任何部分Ur-agent:*Disallow:/
禁止所有搜索引擎訪問網站的幾個部分（下例中的01、02、03目錄）Ur-agent:*Disallow:/01/Disallow:/02/Disallow:/03/
禁止某個搜索引擎的訪問（下例中的BadBot）Ur-agent:BadBotDisallow:/
只允許某個搜索引擎的訪問（下例中的Crawler）Ur-agent:CrawlerDisallow: