主页 > 产品服务 > 网站建设 >

详细讲解网站robots.txt文件的各种写法汇总

作者: 亦辰 网站建设 发布时间:2019-03-19 21:52 浏览次数:93

  企业网站制作好之后,想要获得更好的排名,需要我们做搜索引擎优化,那么做搜索引擎优化之前非常重要的一步,就是处理robots.txt文件,根据我们的企业需求来指定不同的robots.txt策略;例如淘宝网的robots.txt文件,马云决定禁止搜索引擎抓取他站内的内容,目的就是引导客户从自己淘宝站内来查找商品,那么通过这个文件就可以实现他的该运营策略。那么我们中小企业则是相反就需要从搜索引擎获得流量,所以我们在设置该文件的时候就需要避免设置错误的情况,首先我们先来了解一下什么是robots.txt?

 

  搜索引擎使用spider程序自动访问互联网上的网页并获取网页信息。spider在访问一个网站时,会首先会检查该网站的根域下是否有一个叫做robots.txt的纯文本文件。您可以在您的网站中创建一个纯文本文件robots.txt,在文件中声明该网站中不想被robot访问的部分或者指定搜索引擎只收录特定的部分。

 

  请注意,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文件或者创建一个内容为空的robots.txt文件。

 

  robots.txt 放置位置

 

  robots.txt文件应该放置在网站根目录下。举例来说,当spider访问一个网站(比如http://www.zhanyouyun.com)时,首先会检查该网站中是否存在http://www.zhanyouyun.com/robots.txt这个文件,如果 Spider找到这个文件,它就会根据这个文件的内容,来确定它访问权限的范围。

 

  robots.txt 格式

 

  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:”:”。在该文件中可以使用#进行注解。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和Allow行,详细情况如下。

 

  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”robots.txt”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*,则对任何robot均有效,在”robots.txt”文件中,”User-agent:*”这样的记录只能有一条。如果在”robots.txt”文件中,加入”User- agent:SomeBot”和若干Disallow、Allow行,那么名为”SomeBot”只受到”User-agent:SomeBot”后面的 Disallow和Allow行的限制。 Disallow: 该项的值用于描述不希望被访问的一组URL,这个值可以是一条完整的路径,也可以是路径的非空前缀,以Disallow项的值开头的URL不会被robot访问。例 如”Disallow: /help”禁止robot访问/help*.html、/help/index.html, 而”Disallow: /help/”则允许robot访问/help*.html,不能访问/help/index.html。

 

  "Disallow:"说明允许robot访问该网站的所有url,在”/robots.txt”文件中,至少要有一条Disallow记录。如果”/robots.txt”不存在或者为空文件,则对于所有的搜索引擎robot,该网站都是开放的。

 

  Allow:

 

  该项的值用于描述希望被访问的一组URL,与Disallow项相似,这个值可以是一条完整的路径,也可以是路径的前缀,以Allow项的值开头的URL是允许robot访问的。例如”Allow:/hibaidu”允许robot访问/hibaidu.htm、/hibaiducom.html、 /hibaidu/com.html。一个网站的所有URL默认是Allow的,所以Allow通常与Disallow搭配使用,实现允许访问一部分网页同时禁止访问其它所有URL的功能。

 

  需要特别注意的是Disallow与Allow行的顺序是有意义的,robot会根据第1个匹配成功的 Allow或Disallow行确定是否访问某个URL。

 

  使用”*”和”$”: Baiduspider 支持使用通配符”*”和”$”来模糊匹配url。 “$” 匹配行结束符。 “*” 匹配0或多个任意字符。

 

  robots.txt文件用法举例:

 

  1. 允许所有的robot访问

 

  User-agent: *

 

  Allow: /

 

  或者

 

  User-agent: *

 

  Disallow:

 

  2. 禁止所有搜索引擎访问网站的任何部分

 

  User-agent: *

 

  Disallow: /

 

  3. 仅禁止Baiduspider访问您的网站

 

  User-agent: Baiduspider

 

  Disallow: /

 

  4. 仅允许Baiduspider访问您的网站

 

  User-agent: Baiduspider

 

  Disallow:

 

  5. 禁止spider访问特定目录

 

  User-agent: *

 

  Disallow: /cgi-bin/

 

  Disallow: /tmp/

 

  Disallow: /~joe/

 

  6. 允许访问特定目录中的部分url

 

  User-agent: *

 

  Allow: /cgi-bin/see

 

  Allow: /tmp/hi

 

  Allow: /~joe/look

 

  Disallow: /cgi-bin/

 

  Disallow: /tmp/

 

  Disallow: /~joe/

 

  7. 使用”*”限制访问url

 

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

 

  User-agent: *

 

  Disallow: /cgi-bin/*.htm

 

  8. 使用”$”限制访问url

 

  仅允许访问以”.htm”为后缀的URL。

 

  User-agent: *

 

  Allow: .htm$

 

  Disallow: /

 

  例9. 禁止访问网站中所有的动态页面

 

  User-agent: *

 

  Disallow: /*?*

 

  10. 禁止Baiduspider抓取网站上所有图片

 

  仅允许抓取网页,禁止抓取任何图片。

 

  User-agent: Baiduspider

 

  Disallow: .jpg$

 

  Disallow: .jpeg$

 

  Disallow: .gif$

 

  Disallow: .png$

 

  Disallow: .bmp$

 

  11. 仅允许Baiduspider抓取网页和.gif格式图片允许抓取网页和gif格式图片,不允许抓取其他格式图片

 

  User-agent: Baiduspider

 

  Allow: .gif$

 

  Disallow: .jpg$

 

  Disallow: .jpeg$

 

  Disallow: .png$

 

  Disallow: .bmp$

 

  12. 仅禁止Baiduspider抓取.jpg格式图片

 

  User-agent: Baiduspider

 

  Disallow: .jpg$