robots文件_学学习网

1. 什么是robots.txt文件?

搜索引擎使用spider/bot程序自动访问互联网上的网页并获取网页信息。spider/bot在访问一个网站时，会首先会检查该网站的根域下是否有一个叫做 robots.txt的纯文本文件，这个文件用于指定spider/bot在您网站上的抓取范围。您可以在您的网站中创建一个robots.txt，在文件中声明该网站中不想被搜索引擎收录的部分或者指定搜索引擎只收录特定的部分。

仅当您的网站包含不希望被搜索引擎收录的内容时，才需要使用robots.txt文件。如果您希望搜索引擎收录网站上所有内容，可以建立robots.txt空文件或者不建该文件。

2. robots.txt文件放在哪里?

robots.txt文件应该放置在网站根目录下。举例来说，当spider访问一个网站时，首先会检查该网站中是否存在这个文件，如果 Spider找到这个文件，它就会根据这个文件的内容，来确定它访问权限的范围。

3. 我在robots.txt中设置了禁止百度收录我网站的内容，为何还出现在百度搜索结果中？

如果其他网站链接了您robots.txt文件中设置的禁止收录的网页，那么这些网页仍然可能会出现在百度的搜索结果中，但您的网页上的内容不会被抓取、建入索引和显示，百度搜索结果中展示的仅是其他网站对您相关网页的描述。

4. 禁止搜索引擎跟踪网页的链接，而只对网页建索引。如果您不想搜索引擎追踪此网页上的链接，且不传递链接的权重，请将此标记置入网页的<HEAD> 部分：
      <meta name="robots" content="nofollow">
      要允许其他搜索引擎跟踪，但仅防止百度跟踪您网页的链接，请将此元标记置入网页的<HEAD> 部分：
      <meta name="Baiduspider" content="nofollow">
      如果您不想百度追踪某一条特定链接，百度还支持更精确的控制，请将此标记直接写在某条链接上：
      <a href="xxx.thml" rel="nofollow">学学习</a>

5. 禁止搜索引擎在搜索结果中显示网页快照，而只对网页建索引要防止所有搜索引擎显示您网站的快照，请将此元标记置入网页的<HEAD>部分：
<meta name="robots" content="noarchive">
要允许其他搜索引擎显示快照，但仅防止百度显示，请使用以下标记：
<meta name="Baiduspider" content="noarchive">
注：此标记只是禁止百度显示该网页的快照，百度会继续为网页建索引，并在搜索结果中显示网页摘要。

6. robots.txt文件的格式

"robots.txt"文件包含一条或更多的记录，这些记录通常通过空行分开，每一条记录的格式如下所示：

User-agent:

该项的值用于描述搜索引擎robot的名字。在"robots.txt"文件中，如果有多条User-agent记录说明有多个robot会受到"robots.txt"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*，则对任何robot均有效，在"robots.txt"文件中，"User-agent:*"这样的记录只能有一条。如果在"robots.txt"文件中，加入"User- agent:SomeBot"和若干Disallow、Allow行，那么名为"SomeBot"只受到"User-agent:SomeBot"后面的 Disallow和Allow行的限制。

Disallow:

该项的值用于描述不希望被访问的一组URL，这个值可以是一条完整的路径，也可以是路径的非空前缀，以Disallow项的值开头的URL不会被 robot访问。如果"/robots.txt"不存在或者为空文件，则对于所有的搜索引擎robot，该网站都是开放的。

Allow:

该项的值用于描述希望被访问的一组URL，与Disallow项相似，这个值可以是一条完整的路径，也可以是路径的前缀，以Allow项的值开头的URL 是允许robot访问的。一个网站的所有URL默认是Allow的，所以Allow通常与Disallow搭配使用，实现允许优先访问一部分网页同时禁止访问其它所有URL的功能。

课程关键词:

robots文件