robots.txt文件是一個網站根目錄下的文本文件，用于指示搜索引擎哪些頁面可以被抓取和哪些頁面不應該被抓取。搜索引擎爬蟲在訪問網站時會讀取robots.txt文件，并根據文件中的指示來確定哪些頁面可以被抓取，哪些頁面應該被忽略。

　　以下是一些使用robots.txt文件的建議：

　　確定哪些頁面不應該被抓取：在編寫robots.txt文件時，應該明確指出哪些頁面不應該被搜索引擎抓取。這些頁面可能是私人頁面、測試頁面、重復頁面等等。

　　保護敏感信息：如果您的網站包含敏感信息，如用戶數據或機密文檔，您可以使用robots.txt文件來保護這些信息，確保它們不會被搜索引擎抓取。

　　避免阻止搜索引擎抓取整個網站：robots.txt文件應該僅用于限制特定頁面或目錄的抓取，而不是整個網站的抓取。如果您希望搜索引擎完全忽略您的網站，請考慮使用其他方法，如Meta標簽或頁面頭信息。

　　檢查robots.txt文件是否有效：在創建robots.txt文件后，應該使用Google Search Console等工具來檢查它是否有效，并檢查哪些頁面可以被抓取和哪些頁面不能被抓取。

　　以下是一個簡單的robots.txt文件示例：

　　User-agent: *

　　Disallow: /private/

　　Disallow: /admin/

　　在上面的示例中，User-agent:*表示所有搜索引擎爬蟲都適用這個規則。Disallow:/private/表示不允許搜索引擎爬蟲訪問名為“private”的目錄，Disallow:/admin/表示不允許搜索引擎爬蟲訪問名為“admin”的目錄。這意味著搜索引擎爬蟲將無法訪問這些目錄中的任何頁面。

　　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文件 "/robots.txt" file

　　禁止所有搜索引擎訪問網站的任何部分

　　User-agent: *

　　Disallow: /

　　禁止所有搜索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/

　　禁止某個搜索引擎的訪問（下例中的BadBot）

　　User-agent: BadBot

　　Disallow: /

　　只允許某個搜索引擎的訪問（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標簽則主要是針對一個個具體的頁面。和其他的META標簽（如使用的語言、頁面的描述、關鍵詞等）一樣，Robots META標簽也是放在頁面的＜head＞＜/head＞中，專門用來告訴搜索引擎ROBOTS如何抓取該頁的內容。

　　Robots META標簽的寫法：

　　Robots META標簽中沒有大小寫之分，name=”Robots”表示所有的搜索引擎，可以針對某個具體搜索引擎寫為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鏈接繼續抓取下去；

　　Robots Meta標簽的缺省值是INDEX和FOLLOW，只有inktomi除外，對于它，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，絕大多數的搜索引擎機器人都遵守robots.txt的規則，而對于Robots META標簽，目前支持的并不多，但是正在逐漸增加，如著名搜索引擎GOOGLE就完全支持，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"＞

　　表示抓取該站點中頁面并沿著頁面中鏈接抓取，但是不在GOOLGE上保留該頁面的網頁快照。

　　如何使用robots.txt

　　robots.txt 文件對抓取網絡的搜索引擎漫游器（稱為漫游器）進行限制。這些漫游器是自動的，在它們訪問網頁前會查看是否存在限制其訪問特定網頁的 robots.txt 文件。如果你想保護網站上的某些內容不被搜索引擎收入的話，robots.txt是一個簡單有效的工具。這里簡單介紹一下怎么使用它。

　　如何放置Robots.txt文件

　　robots.txt自身是一個文本文件。它必須位于域名的根目錄中并 被命名為"robots.txt"。位于子目錄中的 robots.txt 文件無效，因為漫游器只在域名的根目錄中查找此文件。例如，http://www.example.com/robots.txt 是有效位置，http://www.example.com/mysite/robots.txt 則不是。

　　這里舉一個robots.txt的例子:

　　User-agent: *

　　Disallow: /cgi-bin/

　　Disallow: /tmp/

　　Disallow: /~name/

　　使用 robots.txt 文件攔截或刪除整個網站

　　要從搜索引擎中刪除您的網站，并防止所有漫游器在以后抓取您的網站，請將以下 robots.txt 文件放入您服務器的根目錄：

　　User-agent: *

　　Disallow: /

　　要只從 Google 中刪除您的網站，并只是防止 Googlebot 將來抓取您的網站，請將以下 robots.txt 文件放入您服務器的根目錄：

　　User-agent: Googlebot

　　Disallow: /

　　每個端口都應有自己的 robots.txt 文件。尤其是您通過 http 和 https 托管內容的時候，這些協議都需要有各自的 robots.txt 文件。例如，要讓 Googlebot 只為所有的 http 網頁而不為 https 網頁編制索引，應使用下面的 robots.txt 文件。

　　對于 http 協議 (http://yourserver.com/robots.txt):

　　User-agent: *

　　Allow: /

　　對于 https 協議 (https://yourserver.com/robots.txt):

　　User-agent: *

　　Disallow: /

　　允許所有的漫游器訪問您的網頁

　　User-agent: *

　　Disallow:

　　(另一種方法: 建立一個空的 "/robots.txt" 文件, 或者不使用robot.txt。)

　　使用 robots.txt 文件攔截或刪除網頁

　　您可以使用 robots.txt 文件來阻止 Googlebot 抓取您網站上的網頁。 例如，如果您正在手動創建 robots.txt 文件以阻止 Googlebot 抓取某一特定目錄下（例如，private）的所有網頁，可使用以下 robots.txt 條目：

　　User-agent: Googlebot

　　Disallow: /private

　　要阻止 Googlebot 抓取特定文件類型（例如，.gif）的所有文件，可使用以下 robots.txt 條目：

　　User-agent: Googlebot

　　Disallow: /*.gif$

　　要阻止 Googlebot 抓取所有包含 ? 的網址（具體地說，這種網址以您的域名開頭，后接任意字符串，然后是問號，而后又是任意字符串），可使用以下條目：

　　User-agent: Googlebot

　　Disallow: /*?

　　盡管我們不抓取被 robots.txt 攔截的網頁內容或為其編制索引，但如果我們在網絡上的其他網頁中發現這些內容，我們仍然會抓取其網址并編制索引。因此，網頁網址及其他公開的信息，例如指 向該網站的鏈接中的定位文字，有可能會出現在 Google 搜索結果中。不過，您網頁上的內容不會被抓取、編制索引和顯示。

　　作為網站管理員工具的一部分，Google提供了robots.txt分析工具。它可以按照 Googlebot 讀取 robots.txt 文件的相同方式讀取該文件，并且可為 Google user-agents（如 Googlebot）提供結果。我們強烈建議您使用它。 在創建一個robots.txt文件之前，有必要考慮一下哪些內容可以被用戶搜得到，而哪些則不應該被搜得到。 這樣的話，通過合理地使用robots.txt, 搜索引擎在把用戶帶到您網站的同時，又能保證隱私信息不被收錄。

　　誤區一：我的網站上的所有文件都需要蜘蛛抓取，那我就沒必要在添加robots.txt文件了。反正如果該文件不存在，所有的搜索蜘蛛將默認能夠訪問網站上所有沒有被口令保護的頁面。

　　每當用戶試圖訪問某個不存在的URL時，服務器都會在日志中記錄404錯誤（無法找到文件）。每當搜索蜘蛛來尋找并不存在的robots.txt文件時，服務器也將在日志中記錄一條404錯誤，所以你應該做網站中添加一個robots.txt。

　　誤區二：在robots.txt文件中設置所有的文件都可以被搜索蜘蛛抓取，這樣可以增加網站的收錄率。

　　網站中的程序腳本、樣式表等文件即使被蜘蛛收錄，也不會增加網站的收錄率，還只會浪費服務器資源。因此必須在robots.txt文件里設置不要讓搜索蜘蛛索引這些文件。

　　具體哪些文件需要排除， 在robots.txt使用技巧一文中有詳細介紹。

　　誤區三：搜索蜘蛛抓取網頁太浪費服務器資源，在robots.txt文件設置所有的搜索蜘蛛都不能抓取全部的網頁。

　　如果這樣的話，會導致整個網站不能被搜索引擎收錄。

　　robots.txt使用技巧

　　1. 每當用戶試圖訪問某個不存在的URL時，服務器都會在日志中記錄404錯誤（無法找到文件）。每當搜索蜘蛛來尋找并不存在的robots.txt文件時，服務器也將在日志中記錄一條404錯誤，所以你應該在網站中添加一個robots.txt。

　　2. 網站管理員必須使蜘蛛程序遠離某些服務器上的目錄——保證服務器性能。比如：大多數網站服務器都有程序儲存在“cgi-bin”目錄下，因此在robots.txt文件中加入“Disallow: /cgi-bin”是個好主意，這樣能夠避免將所有程序文件被蜘蛛索引，可以節省服務器資源。一般網站中不需要蜘蛛抓取的文件有：后臺管理文件、程序腳本、附件、數據庫文件、編碼文件、樣式表文件、模板文件、導航圖片和背景圖片等等。

　　下面是VeryCMS里的robots.txt文件：

　　User-agent: *

　　Disallow: /admin/ 后臺管理文件

　　Disallow: /require/ 程序文件

　　Disallow: /attachment/ 附件

　　Disallow: /images/ 圖片

　　Disallow: /data/ 數據庫文件

　　Disallow: /template/ 模板文件

　　Disallow: /css/ 樣式表文件

　　Disallow: /lang/ 編碼文件

　　Disallow: /script/ 腳本文件

　　3. 如果你的網站是動態網頁，并且你為這些動態網頁創建了靜態副本，以供搜索蜘蛛更容易抓取。那么你需要在robots.txt文件里設置避免動態網頁被蜘蛛索引，以保證這些網頁不會被視為含重復內容。

　　4. robots.txt文件里還可以直接包括在sitemap文件的鏈接。就像這樣：

　　Sitemap: sitemap.xml

　　目前對此表示支持的搜索引擎公司有Google, Yahoo, Ask and MSN。而中文搜索引擎公司，顯然不在這個圈子內。這樣做的好處就是，站長不用到每個搜索引擎的站長工具或者相似的站長部分，去提交自己的sitemap文件，搜索引擎的蜘蛛自己就會抓取robots.txt文件，讀取其中的sitemap路徑，接著抓取其中相鏈接的網頁。

　　5. 合理使用robots.txt文件還能避免訪問時出錯。比如，不能讓搜索者直接進入購物車頁面。因為沒有理由使購物車被收錄，所以你可以在robots.txt文件里設置來阻止搜索者直接進入購物車頁面。

北京愛品特SEO網站優化提供專業的網站SEO診斷服務、SEO顧問服務、SEO外包服務，咨詢電話或微信：13811777897 袁先生 可免費獲取SEO網站診斷報告。

北京網站優化公司 >> SEO資訊 >> SEO常見問題 >> 什么是robots.txt文件?如何使用robots.txt文件?    本站部分內容來源于互聯網，如有版權糾紛或者違規問題，請聯系我們刪除，謝謝！