互联网速讯
移动营销

谈谈网站优化中如何用好robotx文件

作者: 来源: 时间:2020-07-22

     搜索引擎使用spider程序自动访问互联网上的网页并获取网页信息。spider在访问个网站时,会首先会检查该网站的根域下是否有个叫做robots.txt的纯文本文件。您可以在您的网站中创建个纯文本文件robots.txt,在文件中声明该网站中不想被robot访问的部分或者指定搜索引擎只收录特定的部分。 请注意,仅当您的网站包含不希望被搜索引擎收录的内容时,才需要使用robots.txt文件。如果您希望搜索引擎收录网站上所有内容,请勿建立robots.txt文件或者创建个内容为空的robots.txt文件。 robots.txt 放置位置 robots.txt文件应该放置在网站根目录下。举例来说,当spider访问个网站(比如http://)时,首先会检查该网站中是否存在/robots.txt这个文件,如果  Spider找到这个文件,它会根据这个文件的内容,来确定它访问权限的范围。 robots.txt 格式 文件包含条或更多的记录,这些记录通过空行分开(以CR,CR/NL,  or  NL作为结束符),每条记录的格式如下所示:”:”。在该文件中可以使用#进行注解。该文件中的记录通常以行或多行User-agent开始,后面加上若干Disallow和Allow行,详细情况如下。 User-agent: 该项的值用于描述搜索引擎robot的名字。在”robots.txt”文件中,如果有多条User-agent记录说明有多个robot会受到”robots.txt”的限制,对该文件来说,少要有条User-agent记录。   如果该项的值设为*,则对任何robot均有效,在”robots.txt”文件中,”User-agent:*”这样的记录只能有条。如果在”robots.txt”文件中,加入”User-   agent:SomeBot”和若干Disallow、Allow行,那么名为”SomeBot”只受到”User-agent:SomeBot”后面的  Disallow和Allow行的限制。 Disallow:  该项的值用于描述不希望被访问的组URL,这个值可以是条完整的路径,也可以是路径的非缀,以Disallow项的值开头的URL不会被robot访问。例  如”Disallow: /help”禁止robot访问/help*.html、/help/index.html, 而”Disallow:  /help/”则允许robot访问/help*.html,不能访问/help/index.html。 "Disallow:"说明允许robot访问该网站的所有url,在”/robots.txt”文件中,少要有条Disallow记录。如果”/robots.txt”不存在或者为空文件,则对于所有的搜索引擎robot,该网站都是开放的。 Allow: 该项的值用于描述希望被访问的组URL,与Disallow项相似,这个值可以是条完整的路径,也可以是路径的前缀,以Allow项的值开头的URL是允许robot访问的。例如”Allow:/hibaidu”允许robot访问/hibaidu.htm、/hibaiducom.html、   /hibaidu/com.html。个网站的所有URL默认是Allow的,所以Allow通常与Disallow搭配使用,实现允许访问部分网页同时禁止访问其它所有URL的功能。 需要特别注意的是Disallow与Allow行的顺序是有意义的,robot会根据第个匹配成功的 Allow或Disallow行确定是否访问某个URL。 使用”*”和”$”: Baiduspider 支持使用通配符”*”和”$”来模糊匹配url。 “$” 匹配行结束符。 “*” 匹配0或多个任意字符。 robots.txt文件用法举例: 1. 允许所有的robot访问 User-agent: * Allow: / 或者 User-agent: * Disallow: 2. 禁止所有搜索引擎访问网站的任何部分 User-agent: * Disallow: /

3. 仅禁止Baiduspider访问您的网站 User-agent: Baiduspider Disallow: / 4. 仅允许Baiduspider访问您的网站 User-agent: Baiduspider Disallow: 5. 禁止spider访问特定目录 User-agent: * Disallow: /cgi-bin/ Disallow: /tmp/ Disallow: /~joe/ 6. 允许访问特定目录中的部分url User-agent: * Allow: /cgi-bin/see Allow: /tmp/hi Allow: /~joe/look Disallow: /cgi-bin/ Disallow: /tmp/ Disallow: /~joe/ 7. 使用”*”限制访问url 禁止访问/cgi-bin/目录下的所有以”.htm”为后缀的URL(包含子目录)。 User-agent: * Disallow: /cgi-bin/*.htm 8. 使用”$”限制访问url 仅允许访问以”.htm”为后缀的URL。 User-agent: * Allow: .htm$ Disallow: / 例9. 禁止访问网站中所有的动态页面 User-agent: * Disallow: /*?* 10. 禁止Baiduspider抓取网站上所有图片 仅允许抓取网页,禁止抓取任何图片。 User-agent: Baiduspider Disallow: .jpg$ Disallow: .jpeg$ Disallow: .gif$ Disallow: .png$ Disallow: .bmp$ 11. 仅允许Baiduspider抓取网页和.gif格式图片 允许抓取网页和gif格式图片,不允许抓取其他格式图片 User-agent: Baiduspider Allow: .gif$ Disallow: .jpg$ Disallow: .jpeg$ Disallow: .png$ Disallow: .bmp$ 12. 仅禁止Baiduspider抓取.jpg格式图片 User-agent: Baiduspider Disallow: .jpg$ 般这个在网站未上线前使用,等网站做好之后 把这个协议去掉了,便于搜索引擎的抓取。

本文地址:谈谈网站优化中如何用好robotx文件:/news/latest/771.html

1.本站遵循行业规范,任何转载的稿件都会明确标注作者和来源; 2.本站的原创文章,请转载时务必注明文章作者和来源,不尊重原创的行为我们将追究责任; 3.作者投稿可能会经我们编辑修改或补充。

相关文章
  • Gartner:预计2016年全球计算设...

  • 如何做好专题页面的SEO优化

  • 【谷歌搜索引擎入口】怎样去找到搜索引擎入...

  • 百度地图被指抄袭高德 回应:信息来自交警...

  • 上线五个月 夸克无障碍功能服务数千视障用...

  • QUARTZ:女用性爱机器人市场潜力巨大

  • AngusReid:89%的父母认为数字...

  • seo新站迟迟不收录有哪4个原因?