请选择 进入手机版 | 继续访问电脑版

大田电子商务,大田网站建设,大田网络技术培训

 找回密码
 立即注册
搜索
热搜: 活动 交友 discuz
查看: 244|回复: 0

网站robots.txt文件的作用与使用方法

[复制链接]

58

主题

58

帖子

1316

积分

管理员

Rank: 9Rank: 9Rank: 9

积分
1316
发表于 2020-8-31 10:06:33 | 显示全部楼层 |阅读模式
    第一:什么是robots.txt?

    这是一个文本文件,是搜索引擎爬行网页要查看的第一个文件,你可以告诉搜索引擎哪些文件可以被查看,哪些禁止。当搜索机器人(也叫搜索蜘蛛)访问一个站点时,它首先会检查根目录是否存在robots.txt,如果有就确定抓取范围,没有就按链接顺序抓取。


    第二:robots.txt有什么用


    为何需要用robots.txt这个文件来告诉搜索机器人不要爬行我们的部分网页,比如:后台管理文件、程序脚本、附件、数据库文件、编码文件、样式表文件、模板文件、导航图片和背景图片等等。说到底了,这些页面或文件被搜索引擎收录了,用户也看不了,多数需要口令才能进入或是数据文件。既然这样,又让搜索机器人爬行的话,就浪费了服务器资源,增加了服务器的压力,因此我们可以用robots.txt告诉机器人集中注意力去收录我们的文章页面。增强用户体验。


     1,用robots屏蔽网站重复页


    很多网站一个内容提供多种浏览版本,虽然很方便用户却对蜘蛛造成了困难,因为它分不清那个是主,那个是次,一旦让它认为你在恶意重复,你就惨了


    User-agent: *


    Disallow: /sitemap/ 《禁止蜘蛛抓取 文本网页》


    2,用robots保护网站安全


    很多人纳闷了,robots怎么还和网站安全有关系了?其实关系还很大,不少低级黑客就是通过搜索默认后台登陆,以达到入侵网站的目标


    User-agent: *


    Disallow: /admin/ 《禁止蜘蛛抓取admin目录下所有文件》


    3,防止盗链


    一般盗链也就几个人,可是一旦被搜索引擎“盗链”那家伙你100M宽带也吃不消,如果你做的不是图片网站,又不想被搜索引擎“盗链”你的网站图片


    User-agent: *


    Disallow: .jpg$


    4,提交网站地图


    现在做优化的都知道做网站地图了,可是却没几个会提交的,绝大多数人是干脆在网页上加个链接,其实robots是支持这个功能的


    Sitemap: *.com/sitemaps/sitemaps_1.xml



   5,禁止某二级域名的抓取

    一些网站会对VIP会员提供一些特殊服务,却又不想这个服务被搜索引擎检索到


    User-agent: *


    Disallow: /


    以上五招robots足以让你对搜索引擎蜘蛛掌控能力提升不少,就像百度说的:我们和搜索引擎应该是朋友,增加一些沟通,才能消除一些隔膜。


    第三:robots.txt基本语法


    1、robots.txt的几个关键语法:


    a、User-agent: 应用下文规则的漫游器,比如Googlebot,Baiduspider等。


    b、Disallow: 要拦截的网址,不允许机器人访问。


    c、Allow: 允许访问的网址


    d、”*” : 通配符—匹配0或多个任意字符。


    e、”$” : 匹配行结束符。


    f、”#” : 注释—说明性的文字,不写也可。


    g、Googlebot: 谷歌搜索机器人(也叫搜索蜘蛛)。


    h、Baiduspider: 百度搜索机器人(也叫搜索蜘蛛)。


    i、目录、网址的写法:都以以正斜线 (/) 开头。


    如


    Disallow:/


    Disallow:/images/


    Disallow:/admin/


    Disallow:/css/


    2、列举一些robots.txt 具体用法:


    1、允许所有的robot访问


    User-agent: *


    Disallow:


    或者


    User-agent: *


    Allow: /


    或者建一个空文件”robots.txt”即可。


    2、仅禁止某个机器人访问您的网站,如Baiduspider。


    User-agent: Baiduspider


    Disallow: /


    3、仅允许某个机器人访问您的网站,如Baiduspider。


    User-agent: Baiduspider


    Disallow:


    User-agent: *


    Disallow: /


    4、禁止访问特定目录


    User-agent: *


    Disallow: /admin/


    Disallow: /css/


    Disallow:


    要拦截对所有包含问号 (?) 的网址的访问(具体地说,这种网址以您的域名开头、后接任意字符串,然后接问号,而后又接任意字符串),请使用以下内容:


    User-agent: Googlebot


    Disallow: /*?


    要指定与某个网址的结尾字符相匹配,请使用 $。例如,要拦截以 .xls 结尾的所有网址,请使用以下内容: User-agent: Googlebot


    Disallow: /*.xls$


    您可将此模式匹配与 Allow 指令配合使用。例如,如果 ? 代表一个会话 ID,那么您可能希望排除包含 ? 的所有网址,以确保 Googlebot 不会抓取重复网页。但是以 ? 结尾的网址可能是您希望包含


    在内的网页的版本。在此情况下,您可以对您的 robots.txt 文件进行如下设置:


    User-agent: *


    Allow: /*?$


    Disallow: /*?


    Disallow: /*? 指令会阻止包含 ? 的所有网址(具体地说,它将拦截所有以您的域名开头、后接任意字符串,然后接问号,而后又接任意字符串的网址)。


    Allow: /*?$ 指令将允许以 ? 结尾的任何网址(具体地说,它将允许所有以您的域名开头、后接任意字符串,然后接 ?,? 之后不接任何字符的网址)。

    PS:一般网站查看robots.txt文件的方法是主页后面加robots.txt就可以,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。


回复

使用道具 举报

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

Archiver|手机版|
本站提供网上自由讨论使用,所有个人言论并不代表本站立场,本站不负任何责任.如发现有侵权行为,请与我们联系.
我们将立刻从网站上删除,并向所有持版权者致最深歉意.
本站法人代表:陈上燕 QQ:351802321 E-mail:闽ICP备19024638号-2
我们一直在努力成为最好的社区论坛
Powered by Discuz! X3.4 返回顶部