Robots.txt 协议标准 -电脑资料

电脑资料 时间:2019-01-01 我要投稿
【www.unjs.com - 电脑资料】

    Robots.txt 是存放在站点根目录下的一个纯文本文件.虽然它的设置很简单,但是作用却很强大.它可以指定搜索引擎蜘蛛只抓取指定的内容,或者...

    Robots.txt 是存放在站点根目录下的一个纯文本文件.虽然它的设置很简单,但是作用却很强大.它可以指定搜索引擎蜘蛛只抓取指定的内容,或者是禁止搜索引擎蜘蛛抓取网站的部分或全部内容.

    下面我们就来详细介绍一下它的使用方法:

    Robots.txt 文件应该放在网站根目录下,并且该文件是可以通过互联网进行访问的.

    例如:

    如果您的网站地址是 http://www.chinaz.com

    那么,该文件必须能够通过 http://www.chinaz.com/robots.txt 打开并看到里面的内容.

    格式:

    User-agent:

    用于描述搜索引擎蜘蛛的名字,在" Robots.txt "文件中,如果有多条User-agent记录说明有多个搜索引擎蜘蛛会受到该协议的限制,对该文件来说,至少要有一条User-agent记录.如果该项的值设为*,则该协议对任何搜索引擎蜘蛛均有效,在" Robots.txt "文件中,"User-agent:*"这样的记录只能有一条.

    Disallow:

    用于描述不希望被访问到的一个URL,这个URL可以是一条完整的路径,也可以是部分的,任何以Disallow开头的URL均不会被Robot访问到.

    举例:

    例一:"Disallow:/help"

    是指/help.html 和/help/都不允许搜索引擎蜘蛛抓取.

    例二:"Disallow:/help/"

    是指允许搜索引擎蜘蛛抓取/help.html,而不能抓取/help/.

    例三:Disallow记录为空

    说明该网站的所有页面都允许被搜索引擎抓取,在"/robots.txt"文件中,至少要有一条Disallow记录.如果"/robots.txt"是一个空文件,则对于所有的搜索引擎蜘蛛,该网站都是开放的可以被抓取的.

    #:

    Robots.txt 协议中的注释符.

    举例:

    例一:通过"/robots.txt"禁止所有搜索引擎蜘蛛抓取"/bin/cgi/"目录,以及 "/tmp/"目录和 /foo.html 文件,设置方法如下:

    User-agent: *

    Disallow: /bin/cgi/

    Disallow: /tmp/

    Disallow: /foo.html

    例二:通过"/robots.txt"只允许某个搜索引擎抓取,而禁止其他的搜索引擎抓取.

    如:只允许名为"slurp"的搜索引擎蜘蛛抓取,而拒绝其他的搜索引擎蜘蛛抓取 "/cgi/" 目录下的内容,设置方法如下:

    User-agent: *

    Disallow: /cgi/

    User-agent: slurp

    Disallow:

    例三:禁止任何搜索引擎抓取我的网站,设置方法如下:

    User-agent: *

    Disallow: /

    例四:只禁止某个搜索引擎抓取我的网站

    如:只禁止名为"slurp"的搜索引擎蜘蛛抓取,设置方法如下:

    User-agent: slurp

    Disallow: /

    厚诚集智 成长无限 企业大学网 www.51hlht.com

最新文章