推薦閱讀

運營專員

robots.txt寫法大全及語法的靈活運用

時間：2016-04-07 | 分類：功能說明

瀏覽：12915

robots在英語之中的意思是機器人，Robots協議（也稱為爬蟲協議、機器人協議等）全稱是“網絡爬蟲排除標準”（Robots Exclusion Protocol），網站通過Robots協議告訴搜索引擎哪些頁面可以抓取，哪些頁面不能抓取。Robots協議的本質是網站和搜索引擎爬蟲的溝通方式，用來指導搜索引擎更好地抓取網站內容，而不是作為搜索引擎之間互相限制和不正當競爭的工具。

當搜索引擎在訪問一個站點時，首先檢索的將是該站點根目錄下面的robots.txt文件（如果沒有我們可以建立一個空白的文本文檔，命名為robots.txt放在網站的根目錄下即可！），如果此文件存在，那么搜索引擎將率先訪問并識別此文件的規則，它會按照此文件里面的規則進行爬取！下面詳細敘述一下相關語法：

1、允許所有搜索引擎訪問網站的所有部分：

User-agent：*

Disallow：

2、禁止所有搜索引擎訪問網站的所有部分:

User-agent：*

Disallow：/

3、如果不需要某一個搜索引擎抓取的話，比如百度，禁止百度索引我們的網站

User-agent：Baiduspider

Disallow：/

注：如果我們需要禁止Google索引我們的網站，就把User-agent：蜘蛛名字改成 谷歌的Googlebot即可！

4、如果我們禁止除Google外的一切搜索引擎索引我們的網站

User-agent：Googlebot

Disallow：

User-agent：*

Disallow：/

5、如果我們需要禁止蜘蛛訪問某一個目錄，比如禁止login、newtravel等目錄被索引

User-agent：*

Disallow：/login/

Disallow：/newtravel/

6、如果我們允許蜘蛛訪問網站某個目錄中的某些特定網址

User-agent：*

Allow：/login/my

Allow：/newtravel/html

Disallow：/login/

Disallow：/newtravel/

7、很多網站的robots.txt里的Disallow或者Allow里面會有很多的符號，比如星號、問 號什么的，如果使用“*”號，主要是限制訪問某個后綴的域名，比如禁止訪問/html/ 目錄下的所有以“.htm”為后綴的URL（包含子目錄）

User-agent：*

Disallow：/html/*.htm

8、使用“$”符號是僅允許訪問某目錄下某個后綴的文件

User-agent：*

Allow：.asp$

Disallow：/

9、如果是禁止搜索引擎索引網站中所用動態的頁面（這里演示的是以“?”號為域名， 例如：index.asp?id=1）

User-agent:*

Disallow：/*?*

10、為了節省服務器資源，需要禁止各類蜘蛛來索引網站的圖片，除了使用常見的 “Disallow:/images/”這樣直接屏蔽圖片文件夾的方式以外，還可以采取直接屏蔽圖片 后綴名的方式。如果我們禁止百度搜索引擎索引我們網站的圖片：

User-agent：Baiduspider

Disallow：.jpg$

Disallow：.jpeg$

Disallow：.gif$

Disallow：.png$

11、僅允許百度抓取網站上的“JPG”格式的文件

User-agent:baiduspider

Allow：.jpg$

Disallow:jpeg$

Disallow:gif$

Disallow:png$

12、僅僅禁止百度抓取網站上的“JPG”格式的文件

User-agent：Baiduspider

Disallow：.jpg$

更多詳細幫助，參考閱讀

robots 360百科