robots.txt协议,对于一个网站来说至关重要哦。如果robots协议利用好了,会给你的网站带来很多帮助的。而且robots可以帮你解决一些不必要的麻烦。
robots协议是什么
robots协议,就是搜索蜘蛛必须要遵循的网站爬行规则,是用来告诉搜索蜘蛛哪些页面可以抓取,哪些页面不可以抓取的一个搜索引擎协议。同时也可以用来屏蔽一些不必要的搜索蜘蛛和设置网站地图的链接。使得搜索蜘蛛抓取我们网站内容上更加的方便。
robots协议基础知识讲解
robots协议的写法其实很简单,就是User-agent、Allow及Disallow的用法。下面简单举例说明robots.txt写法。有兴趣的可以看看我网站的robots.txt是怎么写的。
User-agent: * 这里的*代表的所有的搜索引擎种类,*是一个通配符
Disallow: /admin/ 这里定义是禁止爬寻admin目录下面的目录
Disallow: /require/ 这里定义是禁止爬寻require目录下面的目录
Disallow: /ABC/ 这里定义是禁止爬寻ABC目录下面的目录
Disallow: /cgi-bin/*.htm 禁止访问/cgi-bin/目录下的所有以".htm"为后缀的URL(包含子目录)。
Disallow: /*?* 禁止访问网站中所有包含问号 (?) 的网址
Disallow: /.jpg$ 禁止抓取网页所有的.jpg格式的图片
Disallow:/ab/adc.html 禁止爬取ab文件夹下面的adc.html文件。
Allow: /cgi-bin/ 这里定义是允许爬寻cgi-bin目录下面的目录
Allow: /tmp 这里定义是允许爬寻tmp的整个目录
Allow: .htm$ 仅允许访问以".htm"为后缀的URL。
Allow: .gif$ 允许抓取网页和gif格式图片
Sitemap: 网站地图 告诉爬虫这个页面是网站地图。
评论