网站robots文件写法完整版以及注意事项

  • A+

Robots.txt 是存放在站点根目录下的一个的纯文本文件,蜘蛛进入网站做的第一件事就是抓取robots文件,看看其规定了什么?它具有强大的功能和作用:

从seo优化角度来说,一份好的Robots文件可以规定搜索引擎蜘蛛那些内容可以抓取,哪些内容不能抓取,这也为搜索引擎节约了大量的搜索资源,对于搜索引擎来说肯定是比较喜欢的,同时也可以让搜索引擎对我们的站点增加友好度。以及网站的动态链接统一化,同一路径有利于集中权重。从我自身来说,可以保护个人隐私不至于被公开,例如:网站隐私、后台用户信息等。

网站robots文件写法完整版以及注意事项

一:学习robots文件编写,前提是得熟悉网站url和Url的原理以及网站程序目录。为什么?很简单蜘蛛是通过url抓取的。文件具体形式,以阿里云主机根目录为例,格式表示如下:

技巧:域名=根目录。

/htdocs/=域名

/htdocs/skin/=域名/skin/

/htdocs/skin/css/=域名/skin/stivle.css/

二:robots写法注意点:冒号后面有一个空格 , 必须全英文模式书写,字母大小写要注意,这是比较严谨的,需要特别注意。例如

Disallow:  /ab/abc/

Allow:  /ab/abc/

User-agent:  Baiduspider

网站robots文件写法完整版以及注意事项

三:操作流程以及写法:桌面新建一个.txt文件,在文件上写robots规则。

1:下面先来看看名词定义解释,不同的搜索引擎有不同的蜘蛛。

【1】:User-Agent:  对蜘蛛进行的规定(1)对百度蜘蛛的规定User-agent:  Baiduspider 。(2)谷歌User-Agent:  Googlebot   (3)必应User-agent:  Bingbot  (4)360    User-Agent: 360Spider (5)宜搜User-Agent:   Yisouspider(6)搜狗User-Agent: Sogouspider (7)雅虎User-Agent: Yahoo! Slurp

User-Agent:  * 指对所有的蜘蛛

【2】:Disallow:  指禁止抓取。

【3】:Allow:  指允许抓取 。

2:写法:以上三个格式综合使用,例如:我们要屏蔽/skin/文件夹里面的一部分文件,但是又希望抓取到/skin/文件夹里面的/css/文件夹,书写技巧:先禁止抓取/skin/文件夹,后面再允许抓取/css/ 文件夹就可以了。

Disallow: /skin/ 表示禁止抓取/skin/文件夹

Allow: /css/表示允许抓取/skin/文件夹里面的/css/文件夹

注意点:前后都有斜杠表示文件夹。

3:符号名词解释:

(1)*通配符 : 代表所有的 。 例如:

User-Agent: * 就是表示对所有的蜘蛛

Allow: /skin/* 表示允许包括/skin/文件夹以下的所以文件

(2)$终止符: 表示结束。例如不允许抓取.js结尾的文件,写成: Disallow: /*.js$

网站robots文件写法完整版以及注意事项

四:常见屏蔽对象:

1:中文的链接-路径,抓取不友好,或者我们不需要它来排名。例如屏蔽“联系我们”:Disallow: /lianxi/

2:搜索结果页面,重复的质量低的。例如:

https://www.shiguangkey.com/course/search?key=%E5%BB%BA%E7%AD%91&cateKey=%E5%BB%BA%E7%AD%91

https://www.shiguangkey.com/course/search?key=%E4%BD%A0%E5%A5%BD&cateKey=%E4%BD%A0%E5%A5%BD

技巧:先找到规律。假如我们不允许抓取以下的 ,写成:  Disallow: /course/search?key=*

3:动态路径,链接规律:?%/ ?等等  例如屏蔽带有?号的动态链接: Disallow: /*?*

4:js文件的  Disallow: /*.js$  备注:官方的说法,关于js使用建议

5:网站的目录:模板目录、插件目录、后台目录。。。。。。

(1):wordpress:如图

网站robots文件写法完整版以及注意事项

(2)织梦程序的。如图:

网站robots文件写法完整版以及注意事项

五:编写误区:

区别性:例如

Disallow: /ab=Disallow: /ab*

Disallow: /ab/ 前后有斜杠的/ab/代表单个文件夹

Disallow: /ab = Disallow: /* 斜杠代表了整个网站,范围更广。

例:

Disallow: /ab 这个规则对于以下两个链接都是屏蔽的:Disallow: /abc   Disallow: /ab/123

Disallow: /ab/ 这个规则,只对 Disallow: /ab/123 生效,对于Disallow: /abc是无效的。

六:网站安全:Disallow: /dede 就知道网站是织梦做的,就会暴露网站程序。

1:织梦后台是可以修改程序的,例:Disallow: /dede 把dede改成ffff 即:Disallow: /ffff

2:wordpress 呢, 例: Disallow: /wp_admin 修改成:Disallow: /*admin

七:检测:写完robots文件后,记得检测一下文件。我们可以到百度站长平台校验,地址是:http://ziyuan.baidu.com/robots

八:由于蜘蛛首先抓取的是robots文件,所以我们需要把我们网站地图【网站链接集成】写入到robots文件里面,可以放在文件最底部,方便蜘蛛更快抓取和更好收录。

总之robots.txt文件是个比较严谨,书写过程严格按照规则来,当然最重要的是写好之后要检查,以防书写错误,导致蜘蛛抓取不到。

发表评论

您必须才能发表评论!