robots.txt文件使用的格式及注意事项!搜索引擎通过一种程序robot(又称spider),自动访问互联网上的网页并获取网页信息。
您可以在您的网站中创建一个纯文本文件 robots.txt,在这个文件中声明该网站中不想被robot 访问的部分。
这样,该网站的部分或全部内容就可以不被搜索引擎收录了,或者指定搜索引擎只收录指定的内容。robots.txt 文件应该放在网站根目录下。
robots.txt文件的格式:
“robots.txt”文件包含一条或更多的记录,这些记录通过空行分开(以CR,CR/NL, or NL 作为结束符),每一条记录的格式如下所示:
“<field>:<optionalspace><value><optionalspace>”
在该文件中可以使用#进行注解,具体使用方法和UNIX 中的惯例一样。该文件中的记录通常以一行或多行User-agent 开始,后面加上若干Disallow 行,详细情况如下:
“网络销售员”网络营销服务启动,全面优化,以订单说话,预订进行中……
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,则该协议对任何机器人均有效,在”robots.txt”文件中,”User-agent:”这样的记录只能有一条。
Disallow:
该项的值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。
例如”Disallow:/help”对/help.html 和/help/index.html 都不允许搜索引擎访问,而”Disallow:/help/”则允许robot 访问/help.html,而不能访问/help/index.html。
任何一条Disallow 记录为空,说明该网站的所有部分都允许被访问,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robot,该网站都是开放的。
写在最后:robots.txt文件有时会被大家所以忘,可是有时往往出问题就是出现在这些并不被大家重视的小细节,不时在论坛还能看见有人发帖说网站一页都没有被收录,结果就是robots.txt文件把所有的搜索引擎都禁止抓取了。
这就是大家的大意,浩沐写在这里是希望以后大家千万别犯这种小错误,不然请求别人帮助时就闹出笑话了。
1.本站大部分内容均收集于网络!若内容若侵犯到您的权益,请发送邮件至:duhaomu@163.com,我们将第一时间处理!
2.资源所需价格并非资源售卖价格,是收集、整理、编辑详情以及本站运营的适当补贴,并且本站不提供任何免费技术支持。
3.所有资源仅限于参考和学习,版权归原作者所有,更多请阅读网站声明。