網(wǎng)站robots文件編寫詳解以及注意事項

robots.txt文件是一個文本文件，使用任何一個常見的文本編輯器，比如Windows系統(tǒng)自帶的Notepad，就可以創(chuàng)建和編輯它  。robots.txt是一個協(xié)議，而不是一個命令。robots.txt是搜索引擎中訪問網(wǎng)站的時候要查看的第一個文件。robots.txt文件告訴蜘蛛程序在服務(wù)器上什么文件是可以被查看的。

        一：學(xué)習(xí)robots文件編寫，前提是得熟悉網(wǎng)站url和Url的原理以及網(wǎng)站程序目錄。為什么？很簡單蜘蛛是通過url抓取的。文件具體形式，以阿里云主機根目錄為例，格式表示如下：

        技巧：域名=根目錄。

        /htdocs/=域名

        /htdocs/skin/=域名/skin/

        /htdocs/skin/css/=域名/skin/stivle.css/

        二：robots寫法注意點：冒號后面有一個空格 ， 必須全英文模式書寫，字母大小寫要注意，這是比較嚴(yán)謹(jǐn)?shù)模枰貏e注意。例如

        Disallow:  /ab/abc/

        Allow:  /ab/abc/

        User-agent:  Baiduspider

三：操作流程以及寫法：桌面新建一個.txt文件，在文件上寫robots規(guī)則。

        1：下面先來看看名詞定義解釋，不同的搜索引擎有不同的蜘蛛。

        【1】：User-Agent:  對蜘蛛進行的規(guī)定（1）對百度蜘蛛的規(guī)定User-agent:  Baiduspider 。（2）谷歌User-Agent:  Googlebot   （3）必應(yīng)User-agent:               Bingbot （4）360    User-Agent: 360Spider （5）宜搜User-Agent:   Yisouspider（6）搜狗User-Agent: Sogouspider （7）雅虎User-Agent: Yahoo!               Slurp

         User-Agent:  * 指對所有的蜘蛛

        【2】：Disallow:  指禁止抓取。

        【3】：Allow:  指允許抓取 。

2：寫法：以上三個格式綜合使用，例如：我們要屏蔽/skin/文件夾里面的一部分文件，但是又希望抓取到/skin/文件夾里面的/css/文件夾，書寫技巧：先禁止抓取/skin/文件夾，后面再允許抓取/css/ 文件夾就可以了。

        Disallow: /skin/ 表示禁止抓取/skin/文件夾

        Allow: /css/表示允許抓取/skin/文件夾里面的/css/文件夾

        注意點：前后都有斜杠表示文件夾。

3：符號名詞解釋：

        （1）*通配符 ： 代表所有的 。 例如：

          User-Agent: * 就是表示對所有的蜘蛛

          Allow: /skin/* 表示允許包括/skin/文件夾以下的所以文件

        （2）$終止符： 表示結(jié)束。例如不允許抓取.js結(jié)尾的文件，寫成： Disallow: /*.js$

四：常見屏蔽對象：

        1：中文的鏈接-路徑，抓取不友好，或者我們不需要它來排名。例如屏蔽“聯(lián)系我們”：Disallow: /lianxi/

        2：搜索結(jié)果頁面，重復(fù)的質(zhì)量低的。例如：

        https://www.shiguangkey.com/course/search?key=%E5%BB%BA%E7%AD%91&cateKey=%E5%BB%BA%E7%AD%91

        https://www.shiguangkey.com/course/search?key=%E4%BD%A0%E5%A5%BD&cateKey=%E4%BD%A0%E5%A5%BD

        技巧：先找到規(guī)律。假如我們不允許抓取以下的 ，寫成：  Disallow: /course/search?key=*

        3：動態(tài)路徑，鏈接規(guī)律：？%/ ?等等  例如屏蔽帶有？號的動態(tài)鏈接： Disallow: /*？*

        4：js文件的  Disallow: /*.js$  備注：官方的說法，關(guān)于js使用建議

        5：網(wǎng)站的目錄：模板目錄、插件目錄、后臺目錄。。。。。。

（1）：wordpress：如圖

（2）織夢程序的。如圖：

五：編寫誤區(qū)：

        區(qū)別性：例如

        Disallow: /ab=Disallow: /ab*

        Disallow: /ab/ 前后有斜杠的/ab/代表單個文件夾

        Disallow: /ab = Disallow: /* 斜杠代表了整個網(wǎng)站，范圍更廣。

        例：

        Disallow: /ab 這個規(guī)則對于以下兩個鏈接都是屏蔽的：Disallow: /abc   Disallow: /ab/123

        Disallow: /ab/ 這個規(guī)則，只對 Disallow: /ab/123 生效，對于Disallow: /abc是無效的。

六：網(wǎng)站安全：Disallow: /dede 就知道網(wǎng)站是織夢做的，就會暴露網(wǎng)站程序。

        1：織夢后臺是可以修改程序的，例：Disallow: /dede 把dede改成ffff 即：Disallow: /ffff

        2：wordpress 呢， 例： Disallow: /wp_admin 修改成：Disallow: /*admin

七：檢測：寫完robots文件后，記得檢測一下文件。我們可以到百度站長平臺校驗，地址是：http://ziyuan.baidu.com/robots

八：由于蜘蛛首先抓取的是robots文件，所以我們需要把我們網(wǎng)站地圖【網(wǎng)站鏈接集成】寫入到robots文件里面，可以放在文件最底部，方便蜘蛛更快抓取和更好收          錄。

        總之robots.txt文件是個比較嚴(yán)謹(jǐn)，書寫過程嚴(yán)格按照規(guī)則來，當(dāng)然最重要的是寫好之后要檢查，以防書寫錯誤，導(dǎo)致蜘蛛抓取不到。