robots详解

发布于:2018-05-01 15:03:46 | 作者: huidamai

设置好robots文件对SEO站点优化非常重要;然而

什么是robots?

robots.txt存放于网站根目录下,是站点与spider沟通的重要渠道,用于告诉搜索引擎爬虫(spider),此网站中的哪些内容是不要被索引,哪些是可以索引(当您的网站存在不希望被搜索引擎收录的内容时,才需要使用robots.txt文件)。

如果我们不想网站中的某些页面被引擎抓取,就可以把这些页面放在 robots.txt里,这样可以确保网站的特定内容不出现在搜索结果中。


robots.txt文件的格式(以下内容来自百度站长)

robots文件记录通过空行分开(以CR,CR/NL, or NL作为结束符),每一条记录的格式如下所示:

 "<field>:<optional space><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和Allow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"robots.txt"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*,则对任何robot均有效,在"robots.txt"文件中,"User-agent:*"这样的记录只能有一条。如果在"robots.txt"文件中,加入"User-agent:SomeBot"和若干Disallow、Allow行,那么名为"SomeBot"只受到"User-agent:SomeBot"后面的 Disallow和Allow行的限制。

Disallow:该项的值用于描述不希望被访问的一组URL,这个值可以是一条完整的路径,也可以是路径的非空前缀,以Disallow项的值开头的URL不会被 robot访问。例如"Disallow:/help"禁止robot访问/help.html、/helpabc.html、/help/index.html,而"Disallow:/help/"则允许robot访问/help.html、/helpabc.html,不能访问/help/index.html。"Disallow:"说明允许robot访问该网站的所有url,在"/robots.txt"文件中,至少要有一条Disallow记录。如果"/robots.txt"不存在或者为空文件,则对于所有的搜索引擎robot,该网站都是开放的。

Allow:该项的值用于描述希望被访问的一组URL,与Disallow项相似,这个值可以是一条完整的路径,也可以是路径的前缀,以Allow项的值开头的URL 是允许robot访问的。例如"Allow:/hibaidu"允许robot访问/hibaidu.htm、/hibaiducom.html、/hibaidu/com.html。一个网站的所有URL默认是Allow的,所以Allow通常与Disallow搭配使用,实现允许访问一部分网页同时禁止访问其它所有URL的功能。

使用"*"and"$":Baiduspider支持使用通配符"*"和"$"来模糊匹配url。

"*" 匹配0或多个任意字符

"$" 匹配行结束符。

请注意区分您不想被抓取或收录的目录的大小写,否则robots协议无法生效。

robots.txt文件用法实例:

robots用法例举



网站被Robots误封该怎么办?

1.修改Robots封禁为允许,然后到站长后台检测并更新Robots。

2.在站长后台抓取检测,此时显示抓取失败,没关系,多点击抓取几次,触发蜘蛛抓取站点。

3.在站长后台抓取频次,申请抓取频次上调。

4.反馈中心,反馈是因为误操作导致了这种情况的发生。

5.站长后台链接提交处,设置数据主动推送(实时)。

6.更新sitemap网站地图,重新提交百度,每天手工提交一次。


附:

如何使用Sitemaps

1、通过搜索引擎站长平台提交;

2、将文件地址放在 robots.txt 文件里供搜索引擎查询:

在 robots.txt 的最后一行增加 Sitemap:http://域名/sitemap.xml。


昵称:
邮箱:
网址:
发布