一、robots.txt的定义
robots.txt是搜索引擎中访问网站的时候要查看的个文件。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。
二、robots.txt的作用
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。
主要用于告诉搜索引擎不想被搜索引擎抓取的页面及文件。或者指出网站地图的位置。
三、robots.txt的写法
robots.txt必须放置在一个站点的根目录下,而且文件名必须全部小写。
User-agent: * 这句的意思是对以下命令有效的蜘蛛或者说是针对的哪个蜘蛛。*代表所有蜘蛛,可以替换为baiduspider,googlebot等.
Disallow: / 这句的意思是禁止收录根目录下的所有文件。
Disallow: /help.html 这句的意思是禁止收录根目录下的help.html这个文件
Disallow: /help/ 这句的意思是禁止收录根目录下的help这个文件夹内的所有文件。
Sitemap: http://www.xxx.com/sitemap.xml
四、robots meta的写法
Robots META标签则主要是针对一个个具体的页面。和其他的META标签(如使用的语言、页面的描述、关键词等)一样,Robots META标签也是放在页面的中,专门用来告诉搜索引擎ROBOTS如何抓取该页的内容。
Robots META标签中没有大小写之分,name=”Robots”表示所有的搜索引擎,可以针对某个具体搜索引擎写为name=”BaiduSpider”。content部分有四个指令选项:index、noindex、follow、nofollow,指令间以“,”分隔。
INDEX 指令告诉搜索机器人抓取该页面;
FOLLOW 指令表示搜索机器人可以沿着该页面上的链接继续抓取下去;
要禁止所有搜索引擎显示您网站的快照,需要将此元标记置入网页的 <HEAD> 部分:
<meta name=“robots” content=“noarchive”>
要允许其他搜索引擎显示快照,但仅防止搜索引擎显示,使用以下标记:
<meta name="Baiduspider“ content="noarchive">