网站robots.txt文件的制作及使用

网站robots.txt文件的制作及使用

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”(Robots Exclusion Protocol)，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文件是一个文本文件，使用任何一个常见的文本编辑器，比如Windows系统自带的Notepad，就可以创建和编辑它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。

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。百度官方建议，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。

如果将网站视为酒店里的一个房间，robots.txt就是主人在房间门口悬挂的“请勿打扰”或“欢迎打扫”的提示牌。这个文件告诉来访的搜索引擎哪些房间可以进入和参观，哪些房间因为存放贵重物品，或可能涉及住户及访客的隐私而不对搜索引擎开放。但robots.txt不是命令，也不是防火墙，如同守门人无法阻止窃贼等恶意闯入者。

大家都知道，robots.txt文件在网站优化时，是一个很重步骤，正确的写好我们的robots.txt有利于我们的优化，首先我们要知道它是一种协议，也可以说是爬虫协议、机器人协议。它的作用就是告诉搜索引擎蜘蛛我们的网站那些页面可以被抓取，那些不可以抓取，所以这步对SEO网站优化很重要，但这一步也是要非常认真的写，一旦写错，那对自己网站会很严重，比如一个目录写错了，那么会导致这个目录里的东西不被抓取，所以我们必须要了解我们网站的架构，每个目录我们都要知道它是什么意思，这样有利于我们写好robots.txt协议，在没有搞懂自己网站的架构之前，最好不要去写robots.txt。先搞懂再说。下面我就来讲讲制作方法及怎么去使用：

大家首先要知道两个标签，Allow和Disallow，一个是允许，一个是不允许，它的作用相比大家也都能理解。大家一定不要搞混了，还有一个符号：* 这个符号代表：所有的意思。

User-agent: *

Disallow:

或者

User-agent: *

Allow:

如果我想屏蔽搜搜的蜘蛛来抓取，

User-agent: sosospider

Disallow: /

大家可以发现这个屏蔽蜘蛛跟上面允许相比只是多了一个“/”，其含义是完全不一样的，所以在书写的时候要千万注意，可不能因为多写个斜杠屏蔽了蜘蛛自己却不知道。还有就是在user-agent：后边不屑固定蜘蛛名称跟的如果是“*”表示是针对所有蜘蛛的。

我们要禁止网站那个目录文件不允许搜索引擎蜘蛛来抓取：

User-agent: *

Disallow: /目录/。

如果是阻止抓取某目录的话目录名字一定要注意“/”，不带“/”表示的是阻止访问这个目录页面和目录下的页面，而带上“/”则表示进阻止目录下的内容页面，这两点要分清楚。如果是想屏蔽多个目录就需要采用的。

如果是阻止蜘蛛访问某一类型的文件，例如阻止抓取.jpg格式的图片可以设置成：

User-agent: *

Disallow: .jpg$

假如我网站很多页面后缀带有?号的目录，怎么来写呢!我们可以这样写;

User-agent: *

Disallow: /*?

最后大家，写robots.txt的时候，一定要分清字母的大小写，还要robots.txt写好都是放到网站根目录下面。大家对网站robots.txt文件的制作已经了解了吗？

当前标题：网站robots.txt文件的制作及使用
网站路径：https://www.cdcxhl.com/news/162114.html

成都网站建设公司_创新互联，为您提供网站内链、网站营销、虚拟主机、微信公众号、网站导航、小程序开发

广告

声明：本网站发布的内容（图片、视频和文字）以用户投稿、用户转载内容为主，如果涉及侵权请尽快告知，我们将会在第一时间删除。文章观点不代表本网站立场，如需处理请联系客服。电话：028-86922220；邮箱：631063699@qq.com。内容未经允许不得转载，或转载时需注明来源： 创新互联