robots.txt詳細介紹
2024-08-26 00:08:59
供稿：網(wǎng)友
robots.txt基本介紹
robots.txt是一個純文本文件，在這個文件中網(wǎng)站管理者可以聲明該網(wǎng)站中不想被robots訪問的部分，或者指定搜索引擎只收錄指定的內容。
當一個搜索機器人（有的叫搜索蜘蛛）訪問一個站點時，它會首先檢查該站點根目錄下是否存在robots.txt，如果存在，搜索機器人就會按照該文件中的內容來確定訪問的范圍；如果該文件不存在，那么搜索機器人就沿著鏈接抓取。
另外，robots.txt必須放置在一個站點的根目錄下，而且文件名必須全部小寫。
robots.txt寫作語法
首先，我們來看一個robots.txt范例：http://www.csswebs.org/robots.txt
訪問以上具體地址，我們可以看到robots.txt的具體內容如下：
# robots.txt file from http://www.csswebs.org
# all robots will spider the domain
user-agent: *
disallow:
以上文本表達的意思是允許所有的搜索機器人訪問www.csswebs.org站點下的所有文件。
具體語法分析：其中#后面文字為說明信息；user-agent:后面為搜索機器人的名稱，后面如果是*，則泛指所有的搜索機器人；disallow:后面為不允許訪問的文件目錄。
下面，我將列舉一些robots.txt的具體用法：
允許所有的robot訪問
user-agent: *
disallow:
或者也可以建一個空文件 “/robots.txt” file
禁止所有搜索引擎訪問網(wǎng)站的任何部分
user-agent: *
disallow: /
禁止所有搜索引擎訪問網(wǎng)站的幾個部分（下例中的01、02、03目錄）
user-agent: *
disallow: /01/
disallow: /02/
disallow: /03/
禁止某個搜索引擎的訪問（下例中的badbot）
user-agent: badbot
disallow: /
只允許某個搜索引擎的訪問（下例中的crawler）
user-agent: crawler
disallow:
user-agent: *
disallow: /
另外，我覺得有必要進行拓展說明，對robots meta進行一些介紹：
robots meta標簽則主要是針對一個個具體的頁面。和其他的meta標簽（如使用的語言、頁面的描述、關鍵詞等）一樣，robots meta標簽也是放在頁面的＜head＞＜/head＞中，專門用來告訴搜索引擎robots如何抓取該頁的內容。
robots meta標簽的寫法：
robots meta標簽中沒有大小寫之分，name=”robots”表示所有的搜索引擎，可以針對某個具體搜索引擎寫為name=”baiduspider”。 content部分有四個指令選項：index、noindex、follow、nofollow，指令間以“,”分隔。
index 指令告訴搜索機器人抓取該頁面；
follow 指令表示搜索機器人可以沿著該頁面上的鏈接繼續(xù)抓取下去；
robots meta標簽的缺省值是index和follow，只有inktomi除外，對于它，缺省值是index,nofollow。
這樣，一共有四種組合：
＜meta name=”robots” content=”index,follow”＞
＜meta name=”robots” content=”noindex,follow”＞
＜meta name=”robots” content=”index,nofollow”＞
＜meta name=”robots” content=”noindex,nofollow”＞
其中
＜meta name=”robots” content=”index,follow”＞可以寫成＜meta name=”robots” content=”all”＞；
＜meta name=”robots” content=”noindex,nofollow”＞可以寫成＜meta name=”robots” content=”none”＞
目前看來，絕大多數(shù)的搜索引擎機器人都遵守robots.txt的規(guī)則，而對于robots meta標簽，目前支持的并不多，但是正在逐漸增加，如著名搜索引擎google就完全支持，而且google還增加了一個指令“archive”，可以限制google是否保留網(wǎng)頁快照。例如：
＜meta name=”googlebot” content=”index,follow,noarchive”＞
