網站?robots.txt?的格式寫法攻略
對待SEO,只是網站推廣方法中一種,網站推廣只是網絡營銷工作中的一個環節,而網絡營銷也只是網絡策劃中的一部分. 而網絡策劃只是一個工具。
但是,我依然很認真的對待SEO,讓它逐漸發揮更大的價值
我沒有大家幻想的不肯透露給大家的高深SEO絕招。我只是很認真!認真的在SEO技術基礎上,通過各種SEO策略以達到更好的效果,通過SEO賺錢方法總結使更多的SEO學員利用SEO這個工具獲得自己想要的。
所以我在培訓SEO(m.xshysc.cn)中,分了四個階段來講:1、SEO基礎、2、SEO策略、3、排名提高、4、賺錢方法。并且安排有詳細的實踐作業。所以我敢去承諾保證學會,保證賺錢,在半年內賺不到前退學費。
當一個搜索機器人(有的叫搜索蜘蛛)訪問一個站點時,它會首先檢查該站點根目錄下是否存在robots.txt,如果存在,搜索機器人就會按照該文件中的內容來確定訪問的范圍;如果該文件不存在,那么搜索機器人就沿著鏈接抓取。
另外,robots.txt必須放置在一個站點的根目錄下,而且文件名必須全部小寫。
一般一個網站的robots.txt的內容格式為:
# Robots.txt file from http://www.lzamai.com
# All robots will spider the domain
User-agent: *
Disallow:
上面的寫法中則是接受所有的搜索引擎。
具體語法分析:其中#后面文字為說明信息;User-agent:后面為搜索機器人的名稱,后面如果是*,則泛指所有的搜索機器人;Disallow:后面為不允許訪問的文件目錄。
舉例如下:
允許所有的robot訪問
User-agent: *
Disallow:
或者也可以建一個空文件 “/robots.txt” file
禁止所有搜索引擎訪問網站的任何部分
User-agent: *
Disallow: /
禁止所有搜索引擎訪問網站的幾個部分(下例中的01、02、03目錄)
User-agent: *
Disallow: /01/
Disallow: /02/
Disallow: /03/
禁止某個搜索引擎的訪問(下例中的BadBot)
User-agent: BadBot
Disallow: /
只允許某個搜索引擎的訪問(下例中的Crawler)
User-agent: Crawler
Disallow:
User-agent: *
Disallow: /
同時robots.txt中也可以帶meta標簽。
name=”Robots”表示所有的搜索引擎,可以針對某個具體搜索引擎寫為name=”BaiduSpider”。 content部分有四個指令選項:index、noindex、follow、nofollow,指令間以“,”分隔。
介紹下常用搜索引擎的蜘蛛機器人的寫法:
常見搜索引擎機器人Robots名字
名稱 搜索引擎
Baiduspider http://www.baidu.com
Scooter http://www.altavista.com
ia_archiver http://www.alexa.com
Googlebot http://www.google.com
Robots Meta標簽的缺省值是INDEX和FOLLOW,只有inktomi除外,對于它,缺省值是 INDEX,NOFOLLOW。
NOINDEX -不索引當前頁面
NOFOLLOW -不跟蹤當前頁面中所有的鏈接
NOARCHIVE -在搜索結果中不保存當前頁面的快照
NOSNIPPET - 在搜索結果中不采用當前頁面的頭部描述信息,且不保存當前頁面的快照
NOODP -搜索結果中不使用DMOZ 中的描述信息,Yahoo!、MSN也支持此類標簽。
NONE -不索引當前頁面以及其中的所有鏈接,跟“NOINDEX, NOFOLLOW” 含義相同
一共有四種組合:
<META NAME=”ROBOTS” CONTENT=”INDEX,FOLLOW”>
<META NAME=”ROBOTS” CONTENT=”NOINDEX,FOLLOW”>
<META NAME=”ROBOTS” CONTENT=”INDEX,NOFOLLOW”>
<META NAME=”ROBOTS” CONTENT=”NOINDEX,NOFOLLOW”>
絕大多數的搜索引擎機器人都遵守robots.txt的規則,而對于Robots META標簽,目前支持的并不多,但是正在逐漸增加,如著名搜索引擎GOOGLE就完全支持,而且GOOGLE還增加了一個指令“archive”,可以限制GOOGLE是否保留網頁快照。例如:
<META NAME=”googlebot” CONTENT=”index,follow,noarchive”>
表示抓取該站點中頁面并沿著頁面中鏈接抓取,但是不在GOOLGE上保留該頁面的網頁快照。
下面再介紹下常見robots.txt錯誤
l 顛倒了順序:
錯誤寫成
User-agent: *
Disallow: GoogleBot
正確的應該是:
User-agent: GoogleBot
Disallow: *
l 把多個禁止命令放在一行中:
例如,錯誤地寫成
Disallow: /css/ /cgi-bin/ /images/
正確的應該是
Disallow: /css/
Disallow: /cgi-bin/
Disallow: /images/
l 行前有大量空格
例如寫成
Disallow: /cgi-bin/
盡管在標準沒有談到這個,但是這種方式很容易出問題。
l 404重定向到另外一個頁面:
當Robot訪問很多沒有設置robots.txt文件的站點時,會被自動404重定向到另外一個Html頁面。這時Robot常常會以處理 robots.txt文件的方式處理這個Html頁面文件。雖然一般這樣沒有什么問題,但是最好能放一個空白的robots.txt文件在站點根目錄下。
l 采用大寫。例如
USER-AGENT: EXCITE
DISALLOW:
雖然標準是沒有大小寫的,但是目錄和文件名應該小寫:
user-agent:GoogleBot
disallow:
l 語法中只有Disallow,沒有Allow!
錯誤的寫法是:
User-agent: Baiduspider
Disallow: /john/
allow: /jane/
l 忘記了斜杠/
錯誤的寫做:
User-agent: Baiduspider
Disallow: css
下一條: robots.txt標準寫法及實例