相关文章
增加博客链接出现的15种方式
企通互联论域名和关键词的付与关系
网站制作新站被百度收录经历
网页设计“汽车美容”，排在第一的是个垃圾站？
北京网站设计Wikia Search 1月7日发布 透明的搜索引擎
北京网页设计樂思蜀SEO论 不值得定律
企通互联如何跳出网店SE0中关键词设计的常见误区
企通互联“HillTop”论 - 探索Google排名新算法(二)
企通互联搜索引擎欲借助展会缩水争市场
网站制作度谷事件看优化(1):七成靠作弊
品牌理念
北京网站建设最佳合作伙伴
北京网站建设专家企通互联
竭诚为您提供网站建设服务!
友好连接
文章搜索
你的位置：首页 >> seo >> 北京网站制作网站制作robots.txt和Robots META标签
北京网站制作网站制作robots.txt和Robots META标签
作者:平文胜
北京网站制作我们知道，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。
网页设计一、 robots.txt
企通互联1、 什么是robots.txt？
企通互联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。
网站制作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。
北京网站设计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。
网站制作网站 URL网站制作
相应的 robots.txt的 URL
- 北京网站建设
- http://www.w3.org/ 北京网站设计
- http://www.w3.org/ robots.txt 企通互联
- http://www.w3.org:80/ 网页设计
http://www.w3.org:80/ robots.txt 网页设计
- http://www.w3.org:1234/ 网站制作
- http://www.w3.org:1234/ robots.txt 网站建设
- http://w3.org/ 网站建设
http://w3.org/ robots.txt
2、 robots.txt的语法
北京网站建设"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：
北京网站制作"<field>:<optionalspace><value><optionalspace>"。
北京网站建设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：
北京网页设计User-agent:
网站设计该项的值用于描述搜索引擎robot的名字，在 企通互联"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。
网页设计Disallow :
北京网站设计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。
网站设计 北京网页设计任何一条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。
北京网站建设下面是一些robots.txt基本的用法： 网站设计
网站制作l 禁止所有搜索引擎访问网站的任何部分：北京网页设计
User-agent: *北京网页设计
Disallow: /
l 允许所有的robot访问北京网站建设
User-agent: *北京网站制作
Disallow:网页设计
或者也可以建一个空文件 "/robots.txt" file
l 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）网站设计
User-agent: *网页设计
Disallow: /cgi-bin/网站建设
Disallow: /tmp/网站建设
Disallow: /private/
l 禁止某个搜索引擎的访问（下例中的BadBot）北京网站设计
User-agent: BadBot北京网站建设
Disallow: /
l 只允许某个搜索引擎的访问（下例中的WebCrawler）网站设计
User-agent: WebCrawler网站制作
Disallow:
User-agent: *北京网页设计
Disallow: /
3、 常见搜索引擎机器人Robots名字
企通互联名称 搜索引擎
北京网站设计- 企通互联
- Baiduspider http://www.baidu.com 网页设计
- Scooter http://www.altavista.com 网站设计
- ia_archiver http://www.alexa.com 网站设计
- Googlebot http://www.google.com 企通互联
- FAST-WebCrawler http://www.alltheweb.com 企通互联
- Slurp http://www.inktomi.com 北京网站设计
- MSNBOT http://search.msn.com
4、 robots.txt举例
网站设计下面是一些著名站点的robots.txt：
网页设计- 网站设计
- http://www.cnn.com/robots.txt 网站设计
- http://www.google.com/robots.txt 网站建设
- http://www.ibm.com/robots.txt 北京网站制作
- http://www.sun.com/robots.txt 网站制作
- http://www.eachnet.com/robots.txt
5、 常见robots.txt错误
北京网站制作 www.qitongnet.coml 颠倒了顺序：网站设计
错误写成网站建设
User-agent: *北京网站制作
Disallow: GoogleBot
正确的应该是：企通互联
User-agent: GoogleBot北京网页设计
Disallow: *
l 把多个禁止命令放在一行中：北京网页设计
例如，错误地写成网站建设
Disallow: /css/ /cgi-bin/ /images/
正确的应该是北京网站建设
Disallow: /css/ 企通互联
Disallow: /cgi-bin/ 网站建设
Disallow: /images/
l 行前有大量空格网站设计
例如写成北京网站制作
Disallow: /cgi-bin/网页设计
尽管在标准没有谈到这个，但是这种方式很容易出问题。
l 404重定向到另外一个页面：北京网页设计
当Robot访问很多没有设置robots.txt文件的站点时，会被自动404 北京网站制作重定向到另外一个Html页面。这时Robot常常会以处理robots.txt文件的方式处理这个Html页面文件。虽然一般这样没有什么问题，但是最好能放一个空白的robots.txt文件在站点根目录下。
l 采用大写。例如网站建设
USER-AGENT: EXCITE北京网站设计
DISALLOW: 网站建设
虽然标准是没有大小写的，但是目录和文件名应该小写：网站建设
user-agent:GoogleBot网站制作
disallow:
l 语法中只有Disallow，没有Allow！网页设计
错误的写法是：企通互联
User-agent: Baiduspider 北京网站设计
Disallow: /john/企通互联
allow: /jane/
l 忘记了斜杠/北京网站设计
错误的写做：网站设计
User-agent: Baiduspider 网站建设
Disallow: css
正确的应该是北京网站设计
User-agent: Baiduspider 企通互联
Disallow: /css/
下面一个小工具专门检查robots.txt文件的有效性：
网站设计http://www.searchengineworld.com/cgi-bin/robotcheck.cgi
北京网站设计二、 Robots META标签
网站设计1、什么是Robots META标签
网页设计Robots.txt文件主要是限制整个站点或者目录的搜索引擎访问情况，而Robots META标签则主要是针对一个个具体的页面。和其他的META标签（如使用的语言、页面的描述、关键词等）一样，Robots META标签也是放在页面的<head></head>中，专门用来告诉搜索引擎ROBOTS如何抓取该页的内容。具体的形式类似（见黑体部分）：
网站设计<html>
网站设计<head>
网页设计<title>时代营销--网络营销专业门户</title>
企通互联<meta name="Robots" content="index,follow">
北京网站设计<meta http-equiv="Content-Type" CONTENT="text/html; charset=gb2312">
北京网站设计<meta name="keywords" content="营销… ">
北京网站设计<meta name="description" content="时代营销网是…">
北京网页设计<link rel="stylesheet" href="/public/css.css" type="text/css">
北京网页设计</head>
网站制作<body>
网站制作…
网站设计</body>
网页设计</html>
北京网站建设2、Robots META标签的写法：
北京网站设计Robots META标签中没有大小写之分，name=”Robots”表示所有的搜索引擎，可以针对某个具体搜索引擎写为name=”BaiduSpider”。content部分有四个指令选项：index、noindex、follow、nofollow，指令间以“,”分隔。
网站制作INDEX 指令告诉搜索机器人抓取该页面；
网站设计FOLLOW 指令表示搜索机器人可以沿着该页面上的链接继续抓取下去；
网站设计Robots Meta标签的缺省值是INDEX和FOLLOW，只有inktomi除外，对于它，缺省值是INDEX,NOFOLLOW。 网页设计
北京网站设计这样，一共有四种组合：
北京网站设计<META NAME="ROBOTS" CONTENT="INDEX,FOLLOW">
网站设计<META NAME="ROBOTS" CONTENT="NOINDEX,FOLLOW">
北京网站制作<META NAME="ROBOTS" CONTENT="INDEX,NOFOLLOW">
北京网站制作<META NAME="ROBOTS" CONTENT="NOINDEX,NOFOLLOW">
网站设计其中
网站制作<META NAME="ROBOTS" CONTENT="INDEX,FOLLOW">可以写成
网站设计<META NAME="ROBOTS" CONTENT="ALL">；
网站设计<META NAME="ROBOTS" CONTENT="NOINDEX,NOFOLLOW">可以写成
北京网站建设<META NAME="ROBOTS" CONTENT="NONE">
网站建设要注意的是：上述的robots.txt和Robots META标签限制搜索引擎机器人（ROBOTS）抓取站点内容的办法只是一种规则，需要搜索引擎机器人的配合才行，并不是每个ROBOTS都遵守的。
北京网站制作目前看来，绝大多数的搜索引擎机器人都遵守robots.txt的规则，而对于Robots META标签，目前支持的并不多，但是正在逐渐增加，如著名搜索引擎GOOGLE就完全支持，而且GOOGLE还增加了一个指令“archive”，可以限制GOOGLE是否保留网页快照。例如：
北京网站设计<META NAME="googlebot" CONTENT="index,follow,noarchive">
北京网站设计表示抓取该站点中页面并沿着页面中链接抓取，但是不在GOOLGE上保留该页面的网页快照 网站制作
- 网站建设
- 为网站的Web Robot 设计路标 北京网页设计
- HTML 网站建设文档中小meta的大作用 网站建设
- Robots.txt指南 网站制作
- Robots Meta Tag的使用
上一篇：网页设计搜索引擎深度剖析
下一篇：网页设计搜索引擎与spam的戰爭