robots文件生成

  • 时间:
  • 浏览:0

Robots.txt 是存放进去去站点根目录下的有一个 纯文本文件。我我觉得它的设置很简单,假如作用却很强大。它都可不还可否指定搜索引擎蜘蛛只抓取指定的内容,不可能 是禁止搜索引擎蜘蛛抓取网站的累积或完整性内容。

使用法子:

Robots.txt 文件应该放进去去网站根目录下,假如该文件是都可不还可否通过互联网进行访问的。

之类:不可能 您的网站地址是 http://www.yourdomain.com/没人,该文件前要不能通过 http://www.yourdomain.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,不可能 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,至少要有二根User-agent记录。不可能 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:*"原来的记录非要有二根。

Disallow:

用于描述不希望被访问到的有一个 URL,这种 URL都可不还可否是二根完整性的路径,也都可不还可否是累积的,任何以Disallow开头的URL均不不被Robot访问到。

举例:

例一:"Disallow:/help"是指/help.html 和/help/index.html也有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,而非要抓取/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,至少要有二根Disallow记录。不可能 "/robots.txt"是有一个 空文件,则对于所有的搜索引擎蜘蛛,该网站也有开放的都可不还可否被抓取的。

#: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,设置法子如下:

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,而禁止并且 的搜索引擎抓取。如:只允许名为"slurp"的搜索引擎蜘蛛抓取,而拒绝并且 的搜索引擎蜘蛛抓取 "/cgi/" 目录下的内容,设置法子如下:

User-agent: *

Disallow: /cgi/

User-agent: slurp

Disallow:

例三:禁止任何搜索引擎抓取我的网站,设置法子如下:

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,设置法子如下:

User-agent: slurp

Disallow: /

更多参考资料 (英文版)