网站robots协议的具体内容以及怎么写

2021-01-15 09:46:33 常州火蚁科技 2

robots 是站点与 spider 沟通的重要渠道,站点通过 robots 文件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。请注意,仅当你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。如果你希望搜索引擎收录网站上所有内容,请勿建立 robots.txt 文件。

robots 文件往往放置于根目录下,包含一条或更多的记录,这些记录通过空行分开(以 CR,CR/NL, or NL 作为结束符),每一条记录的格式如下所示:

"<field>:<optional space><value><optionalspace>"

在该文件中可以使用#进行注解,具体使用方法和 UNIX 中的惯例一样。该文件中的记录通常以一行或多行 Useragent 开始,后面加上若干Disallow 和 Allow 行,详细情况如下:

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 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。例如"Disallow:/help"禁止 robot 访问/help.html、/helpabc.html、/help/index.html,而"Disallow:/help/"则允许 robot 访问/help.html、/helpabc.html,不能访问/help/index.html。

"Disallow:"说明允许 robot 访问该网站的所有 URL,在"/robots.txt"文件中,至少要有一条 Disallow 记录。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。例如"Allow:/hibaidu"允许 robot 访问/hibaidu.htm、/hibaiducom.html、/hibaidu/com.html。一个网站的所有 URL 默认是 Allow 的,所以 Allow通常与 Disallow 搭配使用,实现允许访问一部分网页同时禁止访问其它所有 URL 的功能。使用"*"and"$":Baiduspider 支持使用通配符"*"和"$"来模糊匹配 URL。

"*" 匹配 0 或多个任意字符

"$" 匹配行结束符。

最后需要说明的是:

百度会严格遵守 robots 的相关协议,请注意区分你不想被抓取或收录的目录的大小写,百度会对 robots 中所写的文件和你不想被抓取和收录的目录做精确匹配,否则 robots 协议无法生效。


robots 需求用法对应表


robots 文件需求用法


企业建站(PC+手机,提供源码及整站优化技术支持),百度360搜狗首页排名(先上词后收费),百度爱采购、朋友圈广告、抖音头条信息流等渠道开户免开户费、运营费。另接公众号小程序制作,淘宝阿里巴巴店铺装修运营。

本文由常州-金坛-溧阳-镇江火蚁科技整理发布,如需转载,请注明来源:http://www.czihoee.cn


标签: 网站建设
电话咨询
服务项目
公司地图
QQ客服