|
robots.txt用法 怎么写robots.txt文件？ robots.txt是个很简单的文本文件，您只要标明“谁不能访问哪些链接”即可。 在文件的第一行写： User-Agent: YodaoBot 这就告诉了爬虫下面的描述是针对名叫YodaoBot的爬虫。您还可以写： User-Agent: * 这就意味着向所有的爬虫开放。需要注意的是一个robots.txt文件里只能有一个"User-Agent: *"。 接下来是不希望被访问的链接前缀。例如： Disallow: /private 这就告诉爬虫不要抓取以"/private"开头的所有链接。包括/private.html，/private/some.html，/private/some/haha.html。如果您写成： Disallow: / 则表明整个站点都不希望被访问。您也可以分多行来指定不希望被抓取的链接前缀，例如： Disallow: /tmp Disallow: /disallow 那么所有以"/tmp"和"/disallow"开头的链接都不会被访问了。 最后形成的robots.txt文件如下： User-Agent: YodaoBot Disallow: /tmp Disallow: /private 请注意，如果您的robots.txt文件里有中文等非英语字符，请确定该文件是由UTF-8编码编写。
robots.txt（统一小写）是一种存放于网站根目录下的ASCII编码的文本文件，它通常告诉网络搜索引擎的漫游器（又称网络蜘蛛），此网站中的哪些内容是不能被搜索引擎的漫游器获取的，哪些是可以被（漫游器）获取的。 因为一些系统中的URL是大小写敏感的，所以robots.txt的文件名应统一为小写。robots.txt应放置于网站的根目录下。如果想单独定义搜索引擎的漫游器访问子目录时的行为，那么可以将自定的设置合并到根目录下的robots.txt，或者使用robots元数据。 Robots.txt协议并不是一个规范，而只是约定俗成的，所以并不能保证网站的隐私。注意Robots.txt是用字符串比较来确定是否获取URL，所以目录末尾有和没有斜杠“/”这两种表示是不同的URL，也不能用"Disallow: *.gif"这样的通配符。 其他的影响搜索引擎的行为的方法包括使用robots元数据： 这个协议也不是一个规范，而只是约定俗成的，通常搜索引擎会识别这个元数据，不索引这个页面，以及这个页面的链出页面。
让所有机器人访问所有文件因为通配符"*"明所有机器人： User-agent: * 拦截所有的机器人： User-agent: * 禁止所有机器人访问特定目录： User-agent: * 仅禁止坏爬虫访问特定目录： User-agent: BadBot tion">[编辑] 非标准扩展协议[编辑] Sitemaps auto-discoveryThe Sitemap: http://www.example.com/sitemap.xml.gz An explanation of how to author SiteMap files can be found at sitemaps.org [编辑] Crawl-delay 指令几大抓取工具支持 User-agent: * [编辑] Allow 指令一些大的Crawlers支持一项Allow指令，可以抵消先前Disallow指令。比如Googlebot 如何拦截 Googlebot。 [编辑] 替代虽然robots.txt的是老的和更为广泛接受的方法，还有其他的（可以用来连同robots.txt一起使用），允许更大的控制权，如只禁止索引图象和禁用归档页的内容。 [编辑] Robots META标签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＜head＞＜/head＞中，专门用来告诉搜索引擎ROBOTS如何抓取该页的内容。 
0
|
|
相关推荐 |
|
/6 
关注我们的微信
下载发烧友APP
电子发烧友观察
版权所有 © 深圳华秋电子有限公司
电子发烧友 （电路图） 粤公网安备 44030402000349 号 电信与信息服务业务经营许可证：粤 B2-20160233
工商网监
粤ICP备 14022951 号
2917
评论
淘帖
2564
2
