如何寫robots.txt？

仲介交易 HTTP://www.aliyun.com/zixun/aggregation/6858.html">SEO診斷 淘寶客 雲主機 技術大廳

在國內，網站管理者似乎對robots.txt並沒有引起多大重視，應一些朋友之請求，今天想通過這篇文章來簡單談一下robots.txt的寫作。

robots.txt基本介紹

robots.txt是一個純文字檔，在這個檔中網站管理者可以聲明該網站中不想被robots訪問的部分，或者指定搜尋引擎只收錄指定的內容。

當一個搜索機器人（有的叫搜索蜘蛛）訪問一個網站時，它會首先檢查該網站根目錄下是否存在robots.txt，如果存在，搜索機器人就會按照該檔中的內容來確定訪問的範圍；如果該檔不存在，那麼搜索機器人就沿著連結抓取。

另外，robots.txt必須放置在一個網站的根目錄下，而且檔案名必須全部小寫。

robots.txt寫作語法

首先，我們來看一個robots.txt範例：HTTP://www.csswebs.org/robots.txt

訪問以上具體位址，我們可以看到robots.txt的具體內容如下：

# Robots.txt file from HTTP://www.csswebs.org
# All robots will spider the domain

User-agent: *
Disallow:

以上文本表達的意思是允許所有的搜索機器人訪問www.csswebs.org網站下的所有檔。

具體語法分析：其中#後面文字為說明資訊；User-agent:後面為搜索機器人的名稱，後面如果是*，則泛指所有的搜索機器人；Disallow:後面為不允許訪問的檔目錄。

下面，我將列舉一些robots.txt的具體用法：

允許所有的robot訪問

User-agent: *
Disallow:

或者也可以建一個空檔 「/robots.txt」 file

禁止所有搜尋引擎訪問網站的任何部分

User-agent: *
Disallow: /

禁止所有搜尋引擎訪問網站的幾個部分（下例中的01、02、03目錄）

User-agent: *
Disallow: /01/
Disallow: /02/
Disallow: /03/

禁止某個搜尋引擎的訪問（下例中的BadBot）

User-agent: BadBot
Disallow: /

只允許某個搜尋引擎的訪問（下例中的Crawler）

User-agent: Crawler
Disallow:

User-agent: *
Disallow: /

另外，我覺得有必要進行拓展說明，對robots meta進行一些介紹：

Robots META標籤則主要是針對一個個具體的頁面。 和其他的META標籤（如使用的語言、頁面的描述、關鍵字等）一樣，Robots META標籤也是放在頁面的＜head＞＜/head＞中，專門用來告訴搜尋引擎ROBOTS如何抓取該頁的內容。

Robots META標籤的寫法：

Robots META標籤中沒有大小寫之分，name=」Robots」表示所有的搜尋引擎，可以針對某個具體搜尋引擎寫為name=」BaiduSpider」。 content部分有四個指令選項：index、noindex、follow、nofollow，指令間以「,」分隔。

INDEX 指令告訴搜索機器人抓取該頁面；

FOLLOW 指令表示搜索機器人可以沿著該頁面上的連結繼續抓取下去；

Robots Meta標籤的缺省值是INDEX和FOLLOW，只有inktomi除外，對於它，缺省值是INDEX,NOFOLLOW。

這樣，一共有四種組合：

＜META NAME=」ROBOTS」 CONTENT=」INDEX,FOLLOW」＞
＜META NAME=」ROBOTS」 CONTENT=」NOINDEX,FOLLOW」＞
＜META NAME=」ROBOTS」 CONTENT=」INDEX,NOFOLLOW」＞
＜META NAME=」ROBOTS」 CONTENT=」NOINDEX,NOFOLLOW」＞

其中

＜META NAME=」ROBOTS」 CONTENT=」INDEX,FOLLOW」＞可以寫成＜META NAME=」ROBOTS」 CONTENT=」ALL」＞；

＜META NAME=」ROBOTS」 CONTENT=」NOINDEX,NOFOLLOW」＞可以寫成＜META NAME=」ROBOTS」 CONTENT=」NONE」＞

目前看來，絕大多數的搜尋引擎機器人都遵守robots.txt的規則，而對於Robots META標籤，目前支援的並不多，但是正在逐漸增加，如著名搜尋引擎GOOGLE就完全支援，而且GOOGLE還增加了一個指令「 archive」，可以限制GOOGLE是否保留網頁快照。 例如：

＜META NAME=」googlebot」 CONTENT=」index,follow,noarchive」＞

表示抓取該網站中頁面並沿著頁面中連結抓取，但是不在GOOLGE上保留該頁面的網頁快照。