SEO实战:如何写robots.txt

robots.txt是你对搜索引擎制定的一个如何索引你的网站的规则。通过该文件,搜索引擎就可以知道在你的网站中哪些文件是可以被索引的,哪些文件是被拒绝索引的,我们就可以很方便地控制搜索索引网站内容了。
第一:什么是robots.txt?
这是一个文本文件,是搜索引擎爬行网页要查看的第一个文件,你可以告诉搜索引擎哪些文件可以被查看,哪些禁止。当搜索机器人(也叫搜索蜘蛛)访问一个站点时,它首先会检查根目录是否存在robots.txt,如果有就确定抓取范围,没有就按链接顺序抓取。
第二:robots.txt有什么用
 
为何需要用robots.txt这个文件来告诉搜索机器人不要爬行我们的部分网页,比如:后台管理文件、程序脚本、附件、数据库文件、编码文件、样式表文件、模板文件、导航图片和背景图片等等。说到底了,这些页面或文件被搜索引擎收录了,用户也看不了,多数需要口令才能进入或是数据文件。既然这样,又让搜索机器人爬行的话,就浪费了服务器资源,增加了服务器的压力,因此我们可以用robots.txt告诉机器人集中注意力去收录我们的文章页面。增强用户体验。
1,用robots屏蔽网站重复页
很多网站一个内容提供多种浏览版本,虽然很方便用户却对蜘蛛造成了困难,因为它分不清那个是主,那个是次,一旦让它认为你在恶意重复,你就惨了
  User-agent: *
  Disallow: /sitemap/ (禁止蜘蛛抓取 文本网页)
2,用robots保护网站安全
很多人纳闷了,robots怎么还和网站安全有关系了?其实关系还很大,不少低级黑客就是通过搜索默认后台登陆,以达到入侵网站的目标
  User-agent: *
  Disallow: /admin/ (禁止蜘蛛抓取admin目录下所有文件)
3,防止盗链
  一般盗链也就几个人,可是一旦被搜索引擎“盗链”那家伙你100M宽带也吃不消,如果你做的不是图片网站,又不想被搜索引擎“盗链”你的网站图片
  User-agent: *
  Disallow: .jpg$
4,提交网站地图
  现在做优化的都知道做网站地图了,可是却没几个会提交的,绝大多数人是干脆在网页上加个链接,其实robots是支持这个功能的
  Sitemap: http://bbs.moonseo.cn/sitemaps/sitemaps_1.xml
5,禁止某二级域名的抓取
  一些网站会对VIP会员提供一些特殊服务,却又不想这个服务被搜索引擎检索到
  User-agent: *
  Disallow: /
  以上五招robots足以让你对搜索引擎蜘蛛掌控能力提升不少,就像百度说的:我们和搜索引擎应该是朋友,增加一些沟通,才能消除一些隔膜。
第三:robots.txt基本语法
 
1、robots.txt的关键语法
 a.User-agent: 应用下文规则的漫游器,比如Googlebot,Baiduspider等。
 b.Disallow: 要拦截的网址,不允许机器人访问。
 c.Allow: 允许访问的网址
 d.“*” : 通配符—匹配0或多个任意字符。
 e.“$” : 匹配行结束符。
 f.“#” : 注释—说明性的文字,不写也可。
 g.Googlebot: 谷歌搜索机器人(也叫搜索蜘蛛)。
 h.Baiduspider: 百度搜索机器人(也叫搜索蜘蛛)。
 i.目录、网址的写法:都以以正斜线 (/) 开头。
  如
  Disallow:/
  Disallow:/images/
  Disallow:/admin/
  Disallow:/css/
2、robots.txt的具体用法
 a.允许所有的robot访问
  User-agent: *
  Disallow:
  或者
  User-agent: *
  Allow: /
  或者建一个空文件”robots.txt”即可。
 b.仅禁止某个机器人访问您的网站,如Baiduspider。
  User-agent: Baiduspider
  Disallow: /
 c.仅允许某个机器人访问您的网站,如Baiduspider。
  User-agent: Baiduspider
  Disallow:
  User-agent: *
  Disallow: /
 d.禁止访问特定目录
  User-agent: *
  Disallow: /admin/
  Disallow: /css/
  Disallow:
  要拦截对所有包含问号 (?) 的网址的访问(具体地说,这种网址以你的域名开头、后接任意字符串,然后接问号,而后又接任意字符串),使用以下内容:
  User-agent: Googlebot
  Disallow: /*?
  要指定与某个网址的结尾字符相匹配,就用 $。例如,要拦截以 .xls 结尾的所有网址,就用以下内容: 
  User-agent: Googlebot
  Disallow: /*.xls$
  你可以将此模式匹配与 Allow 指令配合使用。例如,如果 ? 代表一个会话 ID,那么你可能希望排除包含 ? 的所有网址,以确保 Googlebot 不会抓取重复网页。但是以 ? 结尾的网址可能是你希望包含
在内的网页的版本。在此情况下,你可以对你的 robots.txt 文件进行如下设置:
  User-agent: *
  Allow: /*?$
  Disallow: /*?
  Disallow: /*? 指令会阻止包含 ? 的所有网址(具体地说,它将拦截所有以您的域名开头、后接任意字符串,然后接问号,而后又接任意字符串的网址)。
  Allow: /*?$ 指令将允许以 ? 结尾的任何网址(具体地说,它将允许所有以您的域名开头、后接任意字符串,然后接 ?,? 之后不接任何字符的网址)。

  一般网站查看robots.txt文件的方法是主页后面加robots.txt就可以,比如淘宝网的就是http://www.taobao.com/robots.txt。请注意,仅当你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。如果你希望搜索引擎收录网站上所有内容,就不要建立robots.txt文件。

未经允许不得转载:友浩SEO » SEO实战:如何写robots.txt

评论 0

评论前必须登录!

登陆 注册