运营

robots文件设置教程

叶九秋 · 3月25日 · 2018年 · ·

robots.txt是搜索引擎中访问网站的时候要查看的第一个文件。当一个搜索蜘蛛访问一个站点时,它会首先检查该站点根目录下是否存在robots.txt,如果存在,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,所有的搜索蜘蛛将能够访问网站上所有没有被口令保护的页面。

创建方式

新建一个TXT文件,命名为robots.txt,通过下面教程输入内容保存,然后将robors文件上传到网站根目录。

测试

使用工具进行抓取模拟测试,用以验证抓取状况,需要认真检查避免出现对SEO不友好的情况出现。

基础代码

User-agent

用于描述搜索引擎蜘蛛的名字,在” Robots.txt “文件中,如果有多条User-agent记录说明有多个搜索引擎蜘蛛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*,则该协议对任何搜索引擎蜘蛛均有效,在” Robots.txt “文件中,”User-agent:*”这样的记录只能有一条。

定义搜索引擎的类型:

Google蜘蛛:Googlebot

百度蜘蛛:Baiduspider

yahoo蜘蛛:Yahoo!slurp

alexa蜘蛛:ia_archiver

bing蜘蛛:MSNbot

altavista蜘蛛:scooter

lycos蜘蛛:lycos_spider_(t-rex)

alltheweb蜘蛛:fast-webcrawler

inktomi蜘蛛:slurp

Soso蜘蛛:Sosospider

GoogleAdsense蜘蛛:Mediapartners-Google

有道蜘蛛:YoudaoBot

*通配符

* 这里的*代表的所有的搜索引擎种类,*是一个通配符,可以代表任何内容。

$结束符

匹配行结束符,代表匹配规则的结束。

#注释符

注释符使用场景较少,一般为robots文件特别复杂的情况,避免其他人看不懂或者不利于了解robots意图的情况。

Disallow

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。

Disallow: /yejiuqiu/ 这里定义是禁止爬寻yejiuqiu目录下面的目录。

Disallow: /yejiuqiu 这里定义是允许爬寻yejiuqiu的整个目录

Disallow: /yejiuqiu/*.html 禁止访问/yejiuqiu/目录下的所有以”.html”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。比如网站被分享的时候会在主网址后面带有一串后缀,这时候就有概率被搜索引擎重复抓取页面,造成重复收录,权重分散等问题。

Disallow: /jpg 禁止抓取网页所有的.jpg格式的图片,其他的文件格式以此类推。

Allow

定义允许搜索引擎收录的地址。具体使用方法与Disallow类似,上面的格式一样,只是一个是允许抓取一个是禁止抓取。

这两种规则可以根据需要自由设置。

Seconds

检索间隔,以秒计算。代码:

Crawl-delay: 数字

将上面这段代码加在Disallow: 下一行即可,红色数字位置自己改成阿拉伯数字。

生成工具

检测工具

本文最后更新于2020年9月4日,已超过 30天 没有更新,涉及的内容有可能已经失效,如发现有错误之处请联系九秋微信:17625855694,说明具体情况!