robots.txt文件的正规写法

617 · 2019-09-19 18:29:33 · 优爱SEO · 网站营销

Robots协议(也称为爬虫协议、机器人协议等)的全称是“网络爬虫排除标准”，网站通过Robots协议告诉搜索引擎哪些页面可以抓取，哪些页面不能抓取。robots.txt是一个协议，而不是一个命令。robots.txt是搜索引擎中访问网站的时候要查看的第一个文件。robots.txt文件告诉蜘蛛程序在服务器上什么文件是可以被查看的。那么各位站长对robots了解多少？知道robots文件怎么写吗？下面天企网络小编就来为大家介绍。

　　robots协议原理

　　Robots协议是国际互联网界通行的道德规范，基于以下原则建立：

　　1、搜索技术应服务于人类，同时尊重信息提供者的意愿，并维护其隐私权;

　　2、网站有义务保护其使用者的个人信息和隐私不被侵犯。

　　robots功能

　　Robots协议用来告知搜索引擎哪些页面能被抓取，哪些页面不能被抓取;可以屏蔽一些网站中比较大的文件，如：图片，音乐，视频等，节省服务器带宽;可以屏蔽站点的一些死链接。方便搜索引擎抓取网站内容;设置网站地图连接，方便引导蜘蛛爬取页面。

　　文件写法

　　User-agent: * 这里的*代表的所有的搜索引擎种类，*是一个通配符。

robots文件的写法

　　Disallow: /admin/ 这里定义是禁止爬寻admin目录下面的目录。

　　Disallow: /require/ 这里定义是禁止爬寻require目录下面的目录。

　　Disallow: /ABC/ 这里定义是禁止爬寻ABC目录下面的目录。

　　Disallow: /cgi-bin/*.htm 禁止访问/cgi-bin/目录下的所有以".htm"为后缀的URL(包含子目录)。

　　Disallow: /*?* 禁止访问网站中所有包含问号 (?) 的网址。

　　Disallow: /.jpg$ 禁止抓取网页所有的.jpg格式的图片。

　　Disallow:/ab/adc.html 禁止爬取ab文件夹下面的adc.html文件。

　　Allow: /cgi-bin/　这里定义是允许爬寻cgi-bin目录下面的目录。

　　Allow: /tmp 这里定义是允许爬寻tmp的整个目录。

　　Allow: .htm$ 仅允许访问以".htm"为后缀的URL。

　　Allow: .gif$ 允许抓取网页和gif格式图片。

　　Sitemap: 网站地图告诉爬虫这个页面是网站地图。

　　对于robots.txt文件的写法就为大家分享到这里，当一个搜索蜘蛛访问一个站点时，它会首先检查该站点根目录下是否存在robots.txt，如果存在，搜索机器人就会按照该文件中的内容来确定访问的范围;如果该文件不存在，所有的搜索蜘蛛将能够访问网站上所有没有被口令保护的页面。天企seo优化小编提醒大家，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。