旗下网站
艺源微平台
SEO优化
当前位置: 首页 > 服务 > 艺源智库
【网站优化】robots.txt
时间:2018-08-14 16:52:23
文章发布:系统管理员
原创作者:未知
来源:互联网

搜索引擎用来爬取网页内容的工具我们称之为搜索引擎机器人。

搜索引擎机器人每次来到要抓取的网站,都会先访问这个网站根目录下的一个文件(robots.txt),如果不存在该文件,则搜索引擎机器人默认这个网站允许其全部抓取。

robots.txt是一个简单的纯文本文件(记事本文件),搜索引擎机器人通过robots.txt里的“说明”,理解该网站是否可以全部抓取或部分抓取。

如果你希望搜索引擎收录你网站的全部网页,则你可以不设置robots.txt或上传一个命名为robots.txt的空记事本到根目录。

上传你的robots.txt后,通过 你的域名/robots.txt 可以正常访问。 注意,robots.txt的命名,都应该是小写。

访问如:www.yysweb.com/robots.txt


robots.txt文件的内容主要就是一个代码:

Disallow:

注意,robots.txt文件中一般要包含至少一个Disallow: 

如果都允许收录,你可以写一行Disallow:/search.html   这个文件(search.html)本来就不存在也没事。

格式如:

User-agent: *

Disallow: /search.html

Disallow: /index.php?

Disallow: /tempweb/

说明:

User-agent: *   这里说明本Robots.txt针对哪一个搜索引擎蜘蛛而言,星号代表针对所有搜索引擎蜘蛛,包括百度、google、yahoo等。

Disallow: /search.html  说明不允许收录 /search.html 这个文件。

Disallow: /index.php?  说明不允许收录以index.php?为前缀的链接如:index.php?122.html、index.php?=12、index.php?/baidu等等

Disallow: /tempweb/  说明不允许收录/tempweb/里的所有文件。但可以收录如:/tempwebtaim.html 的链接。

Disallow: /*-*      屏蔽全站url内带有 - 的链接

Disallow: /*?*      屏蔽全站url内带有 ?  的连接

Disallow: /*html?*      屏蔽全站url内带有 html?  的连接

这里介绍的是常用的几个代码。

如果需要了解更多关于Disallow:的用法,请了解百度官方的介绍:http://www.baidu.com/search/robots.html

通过robots.txt来删除被收录的内容

1、当你的网页已被收录,但想用robots.txt删除掉,一般需要1-2个月。

2、结合Google网站管理员工具,你可以马上删除被Google收录的网页。

3、结合百度的站长平台,通过这里可以尽快删除被百度收录的页面:http://zhanzhang.baidu.com/feedback

使用Robots.txt遵循这么几个原则:

1、不要屏蔽首页的后缀,比如:index.php,index.html 等;

2、不要写太多带星号的,尽量简洁一些,我们看百度和Google的robtos.txt带星号的写法几乎没有,太多带星号的,就可能存在误伤;

3、不用什么都屏蔽,某些页面即使被收录了也不影响什么的,就建议可以不用屏蔽。


相关问题:


1、我发现有一个网站被K了,但它加了我的网站链接,我可以把它屏蔽吗?

被K的网站加你网站的链接,对你网站是没有太大影响的。通过robots.txt也没有办法屏蔽外部链接。


2、我的首页是index.html,我可以把index.php屏蔽吗?

为了安全起见,请不要屏蔽,因为index.html 才是真实存在的首页。不屏蔽是一定没事,但屏蔽了,可能存在隐患。


3、我不喜欢我网站的后台登陆地址被搜索引擎收录,同时也不希望放在robots.txt里被其他人知道。我怎么来屏蔽呢?

这个确实是一个问题,我们想到一个解决办法是这样:

比如:你的网站后台是/wp-admin.php    那么你在robtos.txt里只要写上

Disallow: /wp-admi     这样的写法,就屏蔽了 /wp-admi  之后所有的url方式。


4、如果我只是具体某一个页面不希望被收录,怎么办?

在这个robtos.txt里直接屏蔽这个页面的URL就可以。

如:Disallow: /123/nourl.html


5、有什么注意的经验?

a、我们看到一些同学,在robots.txt里屏蔽了首页文件。比如:index.html、index.php、Default.php,原因是,他的首页可能是index.asp,但通过以上这几个也能访问首页,于是,他就想屏蔽了他们。这样的做法是不对的。首页,尽量都不要屏蔽。

b、如果网站上存在一些比较大的文件、比如:打包文件、大图片文件、音乐文件、或电影文件、日志文件夹等等,可以屏蔽掉,因为这些文件可能让你的流量过大,占用过多宽带。具体例子就是yysweb的robots.txt:https://www.yysweb.com/robots.txt

c、用工具判断自己设置的robots.txt 有没语法错误

地址:http://zhanzhang.baidu.com/robots/index

d、我想屏蔽某一个二级域名,如何屏蔽?

新建一个robots.txt文件,里面是屏蔽全站的代码(Disallow: /),然后上传到二级域名的根目录下,让通过 xx.yuming.com/robots.txt 可以访问到。

e、但为什么yysweb的robots.txt那么复杂?

作为未来的SEO精英,你需要深入了解并充分利用robots.txt。

f、robots.txt里是否可以放sitemap地址?

可以。可以把网站sitemap地址放在robots.txt里,方便搜索引擎抓取。放的方式类似:https://www.yysweb.com/robots.txt

标签: 网站优化 robots.txt
*版权申明:本站部分文章由艺源科技收集整理,不代表我们的观点。如果这篇转载侵犯您的版权,请及时联系我们删除!
为您推荐
最新文章