robots.txt基本介绍
r来自obots.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360问答不想被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。 另配社次答坚外，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：http://www.**吸工稳般坐帝久营高养翻*.org/robots.txt 访问以上具体地址，我们可以看到斗老robots.tx州搞务木t的具体内容如下： #R已obots.txtfilefromhttp://www.***.org #Allrobotswillspiderthedomain 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.***.org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*，则泛指所有的搜索易场胶左机器人；Disallow:后面为不允许访问的文件目录。 下面，我将列举一些robots.txt影翻断赵城十衡顺均代希的具体用法： 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-ag星特讲春化行则军城力ent:* 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:次铁司果流局些/01/ Dis组调汽部allow:/02/ Disallow:/03/ 禁止儿屋鸡某个搜索引擎的访问（下例中的B只断基仍东元烧adBot） User-age川nt:BadBot Disallow:/ 只着州裂员银苗语善宽探允许某个搜索引擎的访问（斤检课间低协我混下例中的Crawle眼阻希鸡r） User-agent:Crawler Disallow: Use脚试r-agent:* Disallow:/ 另外，我觉得有必要进行拓展说明，对robotsmeta进行一些介绍： RobotsMETA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，RobotsMETA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。 RobotsMETA标签的写法： RobotsMETA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； RobotsMeta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： ＜METANAME=”ROBOTS”CONTENT=”INDEX,FOLLOW”＞ ＜METANAME=”ROBOTS”CONTENT=”NOINDEX,FOLLOW”＞ ＜METANAME=”ROBOTS”CONTENT=”INDEX,NOFOLLOW”＞ ＜METANAME=”ROBOTS”CONTENT=”NOINDEX,NOFOLLOW”＞ 其中 ＜METANAME=”ROBOTS”CONTENT=”INDEX,FOLLOW”＞可以写成＜METANAME=”ROBOTS”CONTENT=”ALL”＞； ＜METANAME=”ROBOTS”CONTENT=”NOINDEX,NOFOLLOW”＞可以写成＜METANAME=”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RobotsMETA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： ＜METANAME=”googlebot”CONTENT=”index,follow,noarchive”＞
标签：试出,rob,ots
