台州网站设计

台州网站设计 服务热线:189-6848-5822  在线服务:

首页 关于创远 服务项目 成功案例 客户服务 新闻中心 客户留言 联系我们
台州网站设计
 
台州网站设计
服务流程
建站知识
常见问题
   
 
搜索引擎的蜘蛛人(ROBOTS)秘密
 

我们知道,搜索引擎都有自己的“搜索机器人”(ROBOTS),并通过这些ROBOTS在网络上沿着网页上的链接(一般是http和src链接)不断抓取资料建立自己的数据库。

  对于网站管理者和内容提供者来说,有时候会有一些站点内容,不希望被ROBOTS抓取而公开。为了解决这个问题,ROBOTS开发界提供了两个办法:一个是robots.txt,另一个是The Robots META标签。  

  一、robots.txt

  1、 什么是robots.txt?

  robots.txt是一个纯文本文件,通过在这个文件中声明该网站中不想被robots访问的部分,这样,该网站的部分或全部内容就可以不被搜索引擎收录了,或者指定搜索引擎只收录指定的内容。

  当一个搜索机器人访问一个站点时,它会首先检查该站点根目录下是否存在robots.txt,如果找到,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,那么搜索机器人就沿着链接抓取。

  robots.txt必须放置在一个站点的根目录下,而且文件名必须全部小写。

  网站 URL       相应的 robots.txt的 URL
 
http://www.w3.org/    http://www.w3.org/robots.txt
 
http://www.w3.org:80/   http://www.w3.org:80/robots.txt
 
http://www.w3.org:1234/  http://www.w3.org:1234/robots.txt
 
http://w3.org/      http://w3.org/robots.txt

  2、 robots.txt的语法


  "robots.txt"文件包含一条或更多的记录,这些记录通过空行分开(以CR,CR/NL, or NL作为结束符),每一条记录的格式如下所示:

  "<field>:<optionalspace><value><optionalspace>"。

  在该文件中可以使用#进行注解,具体使用方法和UNIX中的惯例一样。该文件中的记录通常以一行或多行User-agent开始,后面加上若干Disallow行,详细情况如下:

  User-agent: 

  该项的值用于描述搜索引擎robot的名字,在"robots.txt"文件中,如果有多条User-agent记录说明有多个robot会受到该协议的限制,对该文件来说,至少要有一条User-agent记录。如果该项的值设为*,则该协议对任何机器人均有效,在"robots.txt"文件中, "User-agent:*"这样的记录只能有一条。

  Disallow :

  该项的值用于描述不希望被访问到的一个URL,这个URL可以是一条完整的路径,也可以是部分的,任何以Disallow 开头的URL均不会被robot访问到。例如"Disallow: /help"对/help.html 和/help/index.html都不允许搜索引擎访问,而"Disallow: /help/"则允许robot访问/help.html,而不能访问/help/index.html。

  任何一条Disallow记录为空,说明该网站的所有部分都允许被访问,在"/robots.txt"文件中,至少要有一条Disallow记录。如果 "/robots.txt"是一个空文件,则对于所有的搜索引擎robot,该网站都是开放的。 

  下面是一些robots.txt基本的用法:

  禁止所有搜索引擎访问网站的任何部分:

User-agent: *
Disallow: /

  允许所有的robot访问

User-agent: *
Disallow:

  或者也可以建一个空文件 "/robots.txt" file

  禁止所有搜索引擎访问网站的几个部分(下例中的cgi-bin、tmp、private目录)

User-agent: *
Disallow: /cgi-bin/
Disallow: /tmp/
Disallow: /private/

  禁止某个搜索引擎的访问(下例中的BadBot)
User-agent: BadBot
Disallow: /

  只允许某个搜索引擎的访问(下例中的WebCrawler)
User-agent: WebCrawler
Disallow:

User-agent: *
Disallow: /

  3、常见搜索引擎机器人Robots名字


名称                     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 

FAST-WebCrawler http://www.alltheweb.com 

Slurp                  http://www.inktomi.com 

MSNBOT            http://search.msn.com 

返回】 【字号 发布日期:2009-5-9
  上一篇: 企业网站建设网页设计的“大气”   下一篇: 什么是网站PR值?PR值对搜索引擎排名有什么价值
 
WWW.tzcyuan.com  Xml网站地图  Html网站地图  Copyright 2008 - 2022 All rights reserved. 版权所有 © 台州创远网络技术有限公司 浙ICP备11018227号
地址:台州市椒江区东环大道(星星广场对面)君悦大厦B幢1217-1室 邮编:318000  电话:189-6848-5822 E-mail:tzcyuan@163.com

  本页关键词:台州网站设计