【SEO必學】robots.txt作用和寫法

自由撰寫者 2013-09-07

展開全文

一、robots.txt是什么？

　　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)站中不想被搜索引擎訪問的部分，或者指定搜索引擎只收錄指定的內(nèi)容。

　　當一個搜索引擎（又稱搜索機器人或蜘蛛程序）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(nèi)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。

二、robots.txt的作用

　　1、引導搜索引擎蜘蛛抓取指定欄目或內(nèi)容；

　　2、網(wǎng)站改版或者URL重寫優(yōu)化時候屏蔽對搜索引擎不友好的鏈接；

　　3、屏蔽死鏈接、404錯誤頁面；

　　4、屏蔽無內(nèi)容、無價值頁面；

　　5、屏蔽重復頁面，如評論頁、搜索結(jié)果頁；

　　6、屏蔽任何不想被收錄的頁面；

　　7、引導蜘蛛抓取網(wǎng)站地圖；

三、Robots的語法（三個語法和兩個通配符）

　　三個語法如下：

　　1、User-agent:（定義搜索引擎）

　　示例：

　　　User-agent: *（定義所有搜索引擎）
　　　User-agent: Googlebot （定義谷歌，只允許谷歌蜘蛛爬取）
　　　User-agent: Baiduspider （定義百度，只允許百度蜘蛛爬?。?/p>

　　　不同的搜索引擎的搜索機器人有不同的名稱，谷歌:Googlebot、百度:Baiduspider、MSN:MSNbot、Yahoo:Slurp。

　　2、Disallow:（用來定義禁止蜘蛛爬取的頁面或目錄）

　　示例：

　　　　Disallow: /（禁止蜘蛛爬取網(wǎng)站的所有目錄 "/" 表示根目錄下）
　　　　Disallow: /admin （禁止蜘蛛爬取admin目錄）
　　　　Disallow: /abc.html （禁止蜘蛛爬去abc.html頁面）
　　　　Disallow: /help.html （禁止蜘蛛爬去help.html頁面）

　　3、Allow:（用來定義允許蜘蛛爬取的頁面或子目錄）

　　示例：

　　　　Allow: /admin/test/（允許蜘蛛爬取admin下的test目錄）
　　　　Allow: /admin/abc.html（允許蜘蛛爬去admin目錄中的abc.html頁面）

　　兩個通配符如下：

　　4、匹配符 “$”

　　　　$ 通配符：匹配URL結(jié)尾的字符

　　5、通配符 “*”

　　　　* 通配符：匹配0個或多個任意字符

四、robots.txt 綜合示例

　　1、禁止搜索引擎抓取特定目錄

　　在這個例子中，該網(wǎng)站有三個目錄對搜索引擎的訪問做了限制，即搜索引擎不會訪問這三個目錄。

　　User-agent: *
　　Disallow: /admin/
　　Disallow: /tmp/
　　Disallow: /abc/

　　2、禁止admin目錄，但允許抓取admin目錄下的seo子目錄

　　User-agent: *
　　Allow: /admin/seo/
　　Disallow: /admin/

　　3、禁止抓取/abc/目錄下的所有以".htm”為后綴的URL（包含子目錄）

　　User-agent: *
　　Disallow: /abc/*.htm$

　　4、禁止抓取網(wǎng)站中所有的動態(tài)頁面

　　User-agent: *
　　Disallow: /*?*

　　屏蔽所有帶“?”的文件，這樣就屏蔽所有的動態(tài)路徑。

　　5、禁止百度蜘蛛抓取網(wǎng)站所有的圖片：

　　User-agent: Baiduspider
　　Disallow: /*.jpg$
　　Disallow: /*.jpeg$
　　Disallow: /*.gif$
　　Disallow: /*.png$
　　Disallow: /*.bmp$

　　6、要在阻止網(wǎng)站頁面被抓取的同時仍然在這些頁面上顯示 AdSense 廣告

　　User-agent: *
　　Disallow: /folder1/

　　User-agent: Mediapartners-Google
　　Allow: /folder1/

　　請禁止除 Mediapartners-Google 以外的所有漫游器。這樣可使頁面不出現(xiàn)在搜索結(jié)果中，同時又能讓 Mediapartners-Google 漫游器分析頁面，從而確定要展示的廣告。 Mediapartners-Google 漫游器并不與其他 Google User-agent 共享網(wǎng)頁。

五、注意事項

　　1、robots.txt 文件必須放在網(wǎng)站的根目錄，不可以放在子目錄。

　　　以WEB開發(fā)者網(wǎng)站為例：比如通過 http://www./robots.txt 你就可以訪問的robots.txt文件了。

　　2、robots.txt 文件名命名必須小寫，記得在robot面加“s”。

　　3、User-agent、Allow、Disallow的 “:” 后面有一個字符的空格。

　　4、路徑后面加斜杠“/” 和不加斜杠的是有區(qū)別的

　　　　Disallow: /help
禁止蜘蛛訪問 /help.html、/helpabc.html、/help/index.html

　　　　Disallow: /help/　
　　　　禁止蜘蛛訪問 /help/index.html。但允許訪問 /help.html、/helpabc.html

　　5、Disallow與Allow行的順序是有意義的：

　　　　舉例說明：

　　　　允許蜘蛛訪問 /admin/ 目錄下的seo文件夾

　　　　User-agent: *
　　　　Allow: /admin/seo/
　　　　Disallow: /admin/

　　　　如果Allow 和 Disallow 的順序調(diào)換一下：

　　　　User-agent: *
　　　　Disallow: /admin/
　　　　Allow: /admin/seo/

　　　　蜘蛛就無法訪問到 /admin/ 目錄下的 seo 文件夾，因為第一個 Disallow: /admin/ 已匹配成功。

六、關(guān)于Robots Meta

　　Robots.txt文件主要是限制整個站點或者目錄的搜索引擎訪問情況，而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(guān)鍵詞等）一樣，Robots Meta標簽也是放在頁面中，專門用來告訴搜索引擎ROBOTS如何抓取該頁的內(nèi)容。

　　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（如google）寫為 name="Googlebot"， 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；

　　NoIndex命令：告訴搜索引擎不允許抓取這個頁面

　　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；

　　NoFollow命令：告訴搜索引擎不允許從此頁找到鏈接、拒絕其繼續(xù)訪問。

　　Robots Meta 標簽的缺省值是Index和Follow；

　　根據(jù)以上的命令，我們就有了一下的四種組合：

　　<meta name="robots" content="index,follow"/>
　　可以抓取本頁，而且可以順著本頁繼續(xù)索引別的鏈接

　　<meta name="robots" content="noindex,follow"/>
　　不許抓取本頁，但是可以順著本頁抓取索引別的鏈接

　　<neta name="robots" content="index,nofollow"/>
　　可以抓取本頁，但是不許順著本頁抓取索引別的鏈接

　　<meta name="robots" content="noindex,nofollow"/>
　　不許抓取本頁，也不許順著本頁抓取索引別的鏈接。

　　如果是 <meta name="robots" content="noindex,nofollow"/> 形式的話，可以寫成：
　　<meta name="robots" content="none"/>

　　如果是 <meta name="robots" content="index,follow"/> 形式的話，可以寫成：
　　<meta name="robots" content="all"/>