robots.txt协议怎么写，有什么作用？

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://www.seodongguan.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。

转载请注明 大宝SEO博客  微信/QQ1044248335