网站如何使用robots.txt?robots.txt如何写?
发布:2020-12-6分类:网络杂谈来源:本站原创浏览:0
很多网站站长似乎对robots.txt并没有重视,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。
因其不是命令,故需要搜索引擎自觉遵守。
2、robots.txt该文件必须是可以通过互联网进行访问的。
3、就算网站全部内容都可以被搜索引擎收录,快速排名,建议也要写个空的robots.txt。因为有的服务器的设置会使没有robots.txt的时候返回200状态码和相应的错误信息(可以根据服务器情况设置)。
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/index.html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/index.html。
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。
综合例子 :
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:
robots.txt介绍
robots协议(也称为爬虫协议、爬虫规则、机器人协议 等)也就是robots.txt,网站通过robots协议告诉搜索 引擎哪些页面可以抓取,哪些页面不希望被抓取。当一个搜索机器人(有的叫搜索蜘蛛)访问一个站点时,它会首先检查该站点根目录下是否存在robots.txt,如果存在,搜索机器人就会按照该文件中的内搜索机器人就会按照该文件中的内容来确定访问的范围;如果该文件不存在,那么搜索机器人就沿着链接抓取。robots.txt有什么作用
Robots协议是网站国际互联网界通行的道德规范,目的是保护网站数据和敏感信息、确保用户个人信息和 隐私不被侵犯。因其不是命令,故需要搜索引擎自觉遵守。
robots的用法和放置位置
1、robots.txt必须放置在一个站点的根目录下,并且文件名必须全部小写;2、robots.txt该文件必须是可以通过互联网进行访问的。
3、就算网站全部内容都可以被搜索引擎收录,快速排名,建议也要写个空的robots.txt。因为有的服务器的设置会使没有robots.txt的时候返回200状态码和相应的错误信息(可以根据服务器情况设置)。
Robots.txt文件的写法
1、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/index.html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/index.html。
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。
综合例子 :
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: /
本文地址:https://www.demizhe.com/news/wlzt/19.html
版权声明: 本站发布的内容以原创为主,部分资料代码来自互联网分享。如有涉及侵权请告知,将第一时间更正。本站凡标注有原创的内容未经允许不得转载,或转载时注明出处:[得米者-得天下 www.demizhe.com]
版权声明: 本站发布的内容以原创为主,部分资料代码来自互联网分享。如有涉及侵权请告知,将第一时间更正。本站凡标注有原创的内容未经允许不得转载,或转载时注明出处:[得米者-得天下 www.demizhe.com]
热门资讯
- 1网站如何使用robots.txt?ro..190°C
- 2windows2003在IIS6上安装..172°C
- 3阿里云如何申请免费ssl证书?166°C
- 4阿里云积分2020年12月31号下线164°C
- 5什么叫长尾关键词?如何做长尾关键词的S..149°C
- 6网站单页面和后台如何禁止搜索引擎抓取144°C
- 7什么是百度快照?百度快照作用是什么?143°C