您現在的位置: 网站首頁 / seo優化 / 正文

robots.txt文件詳細解說

作者: admin 发布: 2014-4-3 21:51:18 分类: seo優化 閱讀: 次 查看評論

1. 什麽是robots.txt文件? 

    搜索引擎使用spider程序自動訪問互聯網上的網頁並獲取網頁信息。spider在訪問一個網站時,會首先會檢查該網站的根域下是否有一個叫做 robots.txt的純文本文件,這個文件用于指定spider在您網站上的抓取範圍。您可以在您的網站中創建一個robots.txt,在文件中聲明 該網站中不想被搜索引擎收錄的部分或者指定搜索引擎只收錄特定的部分。                
    請注意,僅當您的網站包含不希望被搜索引擎收錄的內容時,才需要使用robots.txt文件。如果您希望搜索引擎收錄網站上所有內容,請勿建立robots.txt文件。            

2. robots.txt文件放在哪裏? 

    robots.txt文件應該放置在網站根目錄下。舉例來說,當spider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 Spider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範圍。

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


3. 我在robots.txt中設置了禁止百度收錄我網站的內容,爲何還出現在百度搜索結果中?

    如果其他網站鏈接了您robots.txt文件中設置的禁止收錄的網頁,那麽這些網頁仍然可能會出現在百度的搜索結果中,但您的網頁上的內容不會被抓取、建入索引和顯示,百度搜索結果中展示的僅是其他網站對您相關網頁的描述。


4. 禁止搜索引擎跟蹤網頁的鏈接,而只對網頁建索引

    如果您不想搜索引擎追蹤此網頁上的鏈接,且不傳遞鏈接的權重,請將此元標記置入網頁的<HEAD> 部分:
<meta name="robots" content="nofollow">
    如果您不想百度追蹤某一條特定鏈接,百度還支持更精確的控制,請將此標記直接寫在某條鏈接上:
<a href="signin.php" rel="nofollow">signin</a>
    要允許其他搜索引擎跟蹤,但僅防止百度跟蹤您網頁的鏈接,請將此元標記置入網頁的<HEAD> 部分:
<meta name="Baiduspider" content="nofollow"> 


5. 禁止搜索引擎在搜索結果中顯示網頁快照,而只對網頁建索引

    要防止所有搜索引擎顯示您網站的快照,請將此元標記置入網頁的<HEAD>部分:
<meta name="robots" content="noarchive">
    要允許其他搜索引擎顯示快照,但僅防止百度顯示,請使用以下標記:
<meta name="Baiduspider" content="noarchive">
注:此標記只是禁止百度顯示該網頁的快照,百度會繼續爲網頁建索引,並在搜索結果中顯示網頁摘要。 


6. 我想禁止百度圖片搜索收錄某些圖片,該如何設置? 

    禁止Baiduspider抓取網站上所有圖片、禁止或允許Baiduspider抓取網站上的某種特定格式的圖片文件可以通過設置robots實現,請參考“robots.txt文件用法舉例”中的例10、11、12。


7. 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作爲結束符),每一條記錄的格式如下所示:
"<field>:<optional space><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,後面加上若幹Disallow和Allow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"robots.txt"的限制,對該文件來說,至少要有一條User-agent記錄。如果該項的值設爲*,則對任何robot均有效, 在"robots.txt"文件中,"User-agent:*"這樣的記錄只能有一條。如果在"robots.txt"文件中,加入"User- agent:SomeBot"和若幹Disallow、Allow行,那麽名爲"SomeBot"只受到"User-agent:SomeBot"後面的 Disallow和Allow行的限制。


Disallow:

    該項的值用于描述不希望被訪問的一組URL,這個值可以是一條完整的路徑,也可以是路徑的非空前綴,以Disallow項的值開頭的URL不會被 robot訪問。例如"Disallow:/help"禁止robot訪問/help.html、/helpabc.html、/help /index.html,而"Disallow:/help/"則允許robot訪問/help.html、/helpabc.html,不能訪問 /help/index.html。"Disallow:"說明允許robot訪問該網站的所有url,在"/robots.txt"文件中,至少要有一條Disallow記錄。如果"/robots.txt"不存在或者爲空文件,則對于所有的搜索引擎robot,該網站都是開放的。


Allow:

    該項的值用于描述希望被訪問的一組URL,與Disallow項相似,這個值可以是一條完整的路徑,也可以是路徑的前綴,以Allow項的值開頭 的URL 是允許robot訪問的。例如"Allow:/hibaidu"允許robot訪問/hibaidu.htm、/hibaiducom.html、 /hibaidu/com.html。一個網站的所有URL默認是Allow的,所以Allow通常與Disallow搭配使用,實現允許訪問一部分網頁同時禁止訪問其它所有URL的功能。

使用"*"and"$":
Baiduspider支持使用通配符"*"和"$"來模糊匹配url。
"$" 匹配行結束符。
"*" 匹配0或多個任意字符。

注:我們會嚴格遵守robots的相關協議,請注意區分您不想被抓取或收錄的目錄的大小寫,我們會對robots中所寫的文件和您不想被抓取和收錄的目錄做精確匹配,否則robots協議無法生效。           

 

8. URL匹配舉例

Allow或Disallow的值
URL
匹配結果
/tmp
/tmp
yes
/tmp
/tmp.html
yes
/tmp
/tmp/a.html
yes
/tmp
/tmphoho
no



/Hello*
/Hello.html
yes
/He*lo
/Hello,lolo
yes
/Heap*lo
/Hello,lolo
no
html$
/tmpa.html
yes
/a.html$
/a.html
yes
htm$
/a.html
no


9. 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")
User-agent: *
Allow: / 
例3. 僅禁止Baiduspider訪問您的網站
User-agent: Baiduspider
Disallow: /
例4. 僅允許Baiduspider訪問您的網站
User-agent: Baiduspider
Allow: /

User-agent: *
Disallow: / 
例5. 僅允許Baiduspider以及Googlebot訪問

User-agent: Baiduspider
Allow: /

User-agent: Googlebot
Allow: /

User-agent: *
Disallow: / 

例6. 禁止spider訪問特定目錄 
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robot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,而不能寫成 "Disallow: /cgi-bin/ /tmp/"。
User-agent: *
Disallow: /cgi-bin/
Disallow: /tmp/
Disallow: /~joe/
例7. 允許訪問特定目錄中的部分url
User-agent: *
Allow: /cgi-bin/see
Allow: /tmp/hi
Allow: /~joe/look
Disallow: /cgi-bin/
Disallow: /tmp/
Disallow: /~joe/ 
例8. 使用"*"限制訪問url
禁止訪問/cgi-bin/目錄下的所有以".htm"爲後綴的URL(包含子目錄)。 
User-agent: *
Disallow: /cgi-bin/*.htm 
例9. 使用"$"限制訪問url
僅允許訪問以".htm"爲後綴的URL。
User-agent: *
Allow: /*.htm$
Disallow: /
例10. 禁止訪問網站中所有的動態頁面
User-agent: *
Disallow: /*?*
例11. 禁止Baiduspider抓取網站上所有圖片
僅允許抓取網頁,禁止抓取任何圖片。
User-agent: Baiduspider
Disallow: /*.jpg$
Disallow: /*.jpeg$
Disallow: /*.gif$
Disallow: /*.png$
Disallow: /*.bmp$
例12. 僅允許Baiduspider抓取網頁和.gif格式圖片
允許抓取網頁和gif格式圖片,不允許抓取其他格式圖片
User-agent: Baiduspider
Allow: /*.gif$
Disallow: /*.jpg$
Disallow: /*.jpeg$
Disallow: /*.png$
Disallow: /*.bmp$
例13. 僅禁止Baiduspider抓取.jpg格式圖片
User-agent: Baiduspider
Disallow: /*.jpg$

10. 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



  來源:SEO搜尋引擎優化 - SEO自學網 轉載注明出處!

? 上一篇下一篇 ?   本文關鍵詞: robots  

評論列表:

站長SEO學院
第一節:百度搜索引擎工作原理
第二節:建設對搜索引擎友好的站點
第三節:如何進行網站內容建設
第四節:整體優化、結構優化、網頁優化
第五節:移動搜索-明確移動搜索優化標准
百度SEO資料文檔
百度搜索引擎優化指南2.0
百度移動搜索優化指南2.0
網站分析白皮書(站長版)
移動站點該如何優化
建設對百度友好的站點
百度搜索引擎網頁質量白皮書
石榴算法-綠蘿算法-冰桶算法
新搜索時代下的優化策略
更多百度SEO資料文檔
站長推薦
DIV+CSS布局實例教程-Web標准
网站SEO優化常见问题汇总
SEO優化推广方案该如何写
SEO優化方案步骤
影響網站關鍵詞排名因素總結
影響谷歌搜索引擎排名的因素調查
手機移動端站點適配優化
最近發表