奇思网络

seo优化必学-robots.txt文件解密

2019-07-03 06:45



想必做SEO这行的你对robots不会陌生,简单的txt文件里面隐藏了整个网站的“阴谋”。
首先简单的为大家(新手)介绍一下robots。


前听说淘宝网对百度采取了屏蔽,就是说淘宝的内容百度不能抓取了。当时我想很多的人都赶到很奇怪吧,百度那么强大,“百度一下,你就知道”成了大家的口语,我们又怎么控制百度的抓取网页的先知呢?是的我们可以做到不让百度查看你的网站,可以决定要百度只看你的网站的指定的网页。相信很多seo工作者都知道一些吧,今天就为大家解密控制百度、谷歌等搜索引擎的搜索行为,seo优化必学的robots.txt文件的书写,废话不多说,文章呈现。


    robots是各个搜索引擎访问网站的时候要查看的第一个文件。robots文件告诉搜索引擎蜘蛛程序在服务器上什么文件是可以被查看的,什么文郑州网站设计件是不可以查看的。当一个搜索蜘蛛访问一个网站时,它会首先查找该站点根目录下是否存在robots.txt,如果存在,搜索蜘蛛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,所有的搜索引擎蜘蛛将访问、追踪网站上所有没有被限制的文件、url和页面。robots.txt必须放置在一个网站的根目录下,并且文件名必须全部小写。
robots内容的写法(语法)
最常用的 robots文件使用两条规则:
· User-Agent: (后面跟着允许的搜索引擎蜘蛛)
· Disallow: (后面跟着要拦截的网页)
具体详细写法有:
User-agent: *     这里的*代表的所有的搜索引擎种类,*是一个通配符
Disallow: /admin/ 这里定义是禁止爬寻admin目录下面的目录
Disallow: /require/   这里定义是禁止爬寻require目录下面的目录
Disallow: /require/ 这里定义是禁止爬寻require目录下面的目录
Disallow: /ABC 这里定义是禁止爬寻ABC整个目录
Disallow: /cgi-bin/*.htm 禁止访问/cgi-bin/目录下的所有以".htm"为后缀的URL(包含子目录)。
Disallow: /*?* 禁止访问网站中所有的动态页面
Disallow: .jpg$ 禁止抓取网页所有的.jpg格式的图片
Disallow:/ab/adc.html 禁止爬寻ab文件夹下面的adc.html所有文件
User-agent: *    这里的*代表的所有的搜索引擎种类,*是一个通配符
Allow: /cgi-bin/  这里定义是允许爬寻cgi-bin目录下面的目录
Allow: /tmp 这里定义是允许爬寻tmp的整个目录
Allow: .htm$ 仅允许访问以".htm"为后缀的URL。
Allow: .gif$ 允许抓取网页和gif格式图片
robots.txt 文件用法举例
例1. 禁止所有搜索引擎访问网站的任何部分
User-agent: * 
Disallow: /
实例分析:淘宝网的  Robots.txt文件
User-agent: Baiduspider
Disallow: /
很显然淘宝不允许百度的机器人访问其网站下其所有的目录。
例2. 允许所有的robot访问  (或者也可以建一个空文件 “/robots.txt”  file) 
User-agent: *
Disallow:
例3. 禁止某个搜索引擎的访问
User-agent: BadBot
Disallow: /
例4. 允许某个搜索引擎的访问
User-agent: baiduspider
Disallow:                                                                                                        
User-agent: *
Disallow: /
例5.一个简单例子
在这个例子中,该网站有三个目录对搜索引擎的访问做了限制,即搜索引擎不会访问这三个目录。

需要注意的是对每一个目录必须分开声明,而不要写成 “Disallow: /cgi-bin/ /tmp/”。
User-agent: 后的*具有特殊的含义,代表“any robot”,所以在该文件中不能有“Disallow: /tmp/*”  or “Disallow:*.gif”这样的记录出现。
 
User-agent: *  
Disallow: /cgi-bin/
Disallow: /tmp/
Disallow: /~joe/
Robots 特殊参数:
允许  Googlebot:
如果您要拦截除  Googlebot 以外的所有漫游器访问您的网页,可以使用下列语法:
User-agent:
Disallow:/
User-agent:Googlebot
Disallow:
Googlebot 跟随指向它自己的行,而不是指向所有漫游器的行。
“Allow”扩展名:
Googlebot 可识别称为“Allow”的  robots.txt 标准扩展名。其他搜索引擎的漫游器可能无法识别此扩展名,因此请使用您感兴趣的其他搜索引擎进行查找。“Allow”行的作用原理完全与“Disallow”行一样。只需列出您要允许的目录或页面即可。
您也可以同时使用“Disallow”和“Allow”。例如,要拦截子目录中某个页面之外的其他所有页面,可以使用下列条目:
User-Agent:Googlebot
Disallow:/folder1/
Allow:/folder1/myfile.html
这些条目将拦截  folder1 目录内除  myfile.html 之外的所有页面。
如果您要拦截  Googlebot 并允许  Google 的另一个漫游器(如  Googlebot-Mobile),可使用”Allow”规则允许该漫游器的访问。例如:
User-agent:Googlebot
Disallow:/
User-agent:Googlebot-Mobile
Allow:
使用  * 号匹配字符序列:
您可使用星号  (*) 来匹配字符序列。例如,要拦截对所有以  private 开头的子目录的访问,可使用下列条目:
User-Agent:Googlebot
Disallow:/private*/
要拦截对所有包含问号  (?) 的网址的访问,可使用下列条目:
User-agent:*
Disallow:/*?*
使用  $ 匹配网址的结束字符
您可使用  $ 字符指定与网址的结束字符进行匹配。例如,要拦截以  .asp 结尾的网址,可使用下列条目:
User-Agent:Googlebot
Disallow:/*.asp$
您可将此模式匹配与  Allow 指令配合使用。例如,如果  ? 表示一个会话  ID,您可排除所有包含该  ID 的网址,确保  Googlebot 不会抓取重复的网页。但是,以  ? 结尾的网址可能是您要包含的网页版本。在此情况下,可对  robots.txt 文件进行如下设置:
User-agent:*
Allow:/*?$
Disallow:/*?
Disallow:/ *?
一行将拦截包含  ? 的网址(具体而言,它将拦截所有以您的域名开头、后接任意字符串,然后是问号  (?),而后又是任意字符串的网址)。
Allow: /*?$ 一行将允许包含任何以  ? 结尾的网址(具体而言,它将允许包含所有以您的域名开头、后接任意字符串,然后是问号  (?),问号之后没有任何字符的网址)。  
 
 
我们常用的搜索引擎类型有:
google 蜘蛛: googlebot
百度蜘蛛: baiduspider
yahoo蜘蛛: slurp
alexa蜘蛛: ia_archiver
msn蜘蛛: msnbot
altavista蜘蛛: scooter
lycos蜘蛛: lycos_spider_(t-rex)
alltheweb蜘蛛: fast-webcrawler
inktomi蜘蛛:  slurp
写在最后
Sitemap 网站地图
对网站地图新的支持方式,就是在robots.txt文件里直接包括sitemap文件的链接。就像这样:
Sitemap: http://www.74w.net/sitemap.xml
目前对此表示支持的搜索引擎公司有Google, Yahoo和MSN。不过,我们建议还是在Google Sitemap进行提交,里面有很多功能可以分析你的链接状态。

答疑解惑

我们珍惜您每一次在线询盘,有问必答,用专业的态度,贴心的服务。

让您真正感受到我们的与众不同!

合作流程

网站制作流程从提出需求到网站制作报价,再到网页制作,每一步都是规范和专业的。

常见问题

提供什么是网站定制?你们的报价如何?等网站建设常见问题。

售后服务

网站制作不难,难的是一如既往的热情服务及技术支持。我们知道:做网站就是做服务,就是做售后。

X

截屏,微信识别二维码

微信号:15890693001

(点击微信号复制,添加好友)

打开微信

微信号已复制,请打开微信添加咨询详情!