robots.txt和robots Meta标签的介绍

时间:2008-10-06 11:04:08  来源:第二电脑网上收集  作者:

  第二电脑网导读:t face="Verdana">      robots.txt是一个纯文本文件,在这个文件中网站管理者可以声明该网站中不想被robots访问的部分,或者指定搜索引擎只收录指定的内容。       当一个搜索机器人(有的叫搜索蜘蛛)访问一个站点时,它会首先检查该站点根目录下是否存在ro...
  正文:

      robots.txt基本介绍

      robots.txt是一个纯文本文件,在这个文件中网站管理者可以声明该网站中不想被robots访问的部分,或者指定搜索引擎只收录指定的内容。

      当一个搜索机器人(有的叫搜索蜘蛛)访问一个站点时,它会首先检查该站点根目录下是否存在robots.txt,如果存在,搜索机器人就会按照该文件中的内容来确定访问的范围;如果该文件不存在,那么搜索机器人就沿着链接抓取。

      另外,robots.txt必须放置在一个站点的根目录下,而且文件名必须全部小写。

      robots.txt写作语法

      首先,我们来看一个robots.txt范例:

     
# Robots.txt file from http://www.aaa.com 
      # All robots will spider the domain

      User-agent: * 
      Disallow:

      以上文本表达的意思是允许所有的搜索机器人访问www.aaa.com站点下的所有文件。

      具体语法分析:其中#后面文字为说明信息;User-agent:后面为搜索机器人的名称,后面如果是*,则泛指所有的搜索机器人;Disallow:后面为不允许访问的文件目录。

      下面,列举一些robots.txt的具体用法:

      允许所有的robot访问

      User-agent: * 
      Disallow:

      或者也可以建一个空文件 “/robots.txt” file

      禁止所有搜索引擎访问网站的任何部分

      User-agent: * 
      Disallow: /

      禁止所有搜索引擎访问网站的几个部分(下例中的01、02、03目录)

      User-agent: * 
      Disallow: /01/ 
      Disallow: /02/ 
      Disallow: /03/

      禁止某个搜索引擎的访问(下例中的BadBot)

      User-agent: BadBot 
      Disallow: /

      只允许某个搜索引擎的访问(下例中的Crawler)

      User-agent: Crawler 
      Disallow:

      User-agent: * 
      Disallow: /

      另外,有必要进行拓展说明,对robots meta进行一些介绍:

      Robots META标签则主要是针对一个个具体的页面。和其他的META标签(如使用的语言、页面的描述、关键词等)一样,Robots META标签也是放在页面的<head></head>中,专门用来告诉搜索引擎ROBOTS如何抓取该页的内容。

      Robots META标签的写法:

      Robots META标签中没有大小写之分,name=”Robots”表示所有的搜索引擎,可以针对某个具体搜索引擎写为name=”BaiduSpider”。 content部分有四个指令选项:index、noindex、follow、nofollow,指令间以“,”分隔。

      INDEX 指令告诉搜索机器人抓取该页面;

      FOLLOW 指令表示搜索机器人可以沿着该页面上的链接继续抓取下去;

      Robots Meta标签的缺省值是INDEX和FOLLOW,只有inktomi除外,对于它,缺省值是INDEX,NOFOLLOW。

      这样,一共有四种组合:

以下是引用片段:
<META NAME=”ROBOTS” CONTENT=”INDEX,FOLLOW”> 
<META NAME=”ROBOTS” CONTENT=”NOINDEX,FOLLOW”> 
<META NAME=”ROBOTS” CONTENT=”INDEX,NOFOLLOW”> 
<META NAME=”ROBOTS” CONTENT=”NOINDEX,NOFOLLOW”> 

      其中

以下是引用片段:
      <META NAME=”ROBOTS” CONTENT=”INDEX,FOLLOW”>可以写成<META NAME=”ROBOTS” CONTENT=”ALL”>;
      <META NAME=”ROBOTS” CONTENT=”NOINDEX,NOFOLLOW”>可以写成<META NAME=”ROBOTS” CONTENT=”NONE”> 

      目前看来,绝大多数的搜索引擎机器人都遵守robots.txt的规则,而对于Robots META标签,目前支持的并不多,但是正在逐渐增加,如著名搜索引擎Google就完全支持,而且GOOGLE还增加了一个指令“archive”,可以限制GOOGLE是否保留网页快照。例如:

以下是引用片段:
<META NAME=”googlebot” CONTENT=”index,follow,noarchive”>

robots.txt和robots Meta标签的介绍》由第二电脑网原创提供,转载请注明:http://www.002pc.com/master/Operation/Search/Integrated/2008-10-06/2158.html


关键字:

关于《robots.txt和robots Meta标签的介绍》文章的评论

站内搜索: 高级搜索

热门搜索: Windows style 系统 tr IP QQ CPU 安装 function 注册 if td