robots.txt禁止搜索引擎收录
2016-01-22 00:40
267 查看
[b]禁止搜索引擎收录的方法
[/b]
一.什么是robots.txt文件?
搜索引擎通过一种程序robot(又称spider),自动访问互联网上的网页并获取网页信息。
您可以在您的网站中创建一个纯文本文件robots.txt,在这个文件中声明该网站中不想被robot访问的部分,这样,该网站的部分或全部内容就可以不被搜索引擎收录了,或者指定搜索引擎只收录指定的内容。
二. robots.txt文件放在哪里?
robots.txt文件应该放在网站根目录下。举例来说,当robots访问一个网站(比如 http://www.abc.com)时,首先会检查该网站中是否存在http://www.abc.com/robots.txt这个文件,如果机器 人找到这个文件,它就会根据这个文件的内容,来确定它访问权限的范围。
网站 URL | 相应的 robots.txt的 URL |
http://www.w3.org/ | http://www.w3.org/robots.txt |
http://www.w3.org:80/ | http://www.w3.org:80/robots.txt |
http://www.w3.org:1234/ | http://www.w3.org:1234/robots.txt |
http://w3.org/ | http://w3.org/robots.txt |
"robots.txt"文件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>:<optionalspace><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User-agent开始,后面加上若干Disallow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会受到该
协 议的限制,对该文件来说,至少要有一条User-agent记录。如果该项的值设为*,则该协议对任何机器人均有效,在"robots.txt"文件
中,"User-agent:*"这样的记录只能有一条。
Disallow :
该项的值用于描述不希望被访问到的一个URL,这个URL可以是一条完整的路径,也可以是部分的,任何以Disallow
开头的URL均不会被robot访问到。例如"Disallow: /help"对/help.html
和/help/index.html都不允许搜索引擎访问,而"Disallow:
/help/"则允许robot访问/help.html,而不能访问/help/index.html。
任何一条Disallow记录为空,说明该网站的所有部分都允许被访问,在"/robots.txt"文件中,至少要有一条Disallow记录。如
果" /robots.txt"是一个空文件,则对于所有的搜索引擎robot,该网站都是开放的。
四. robots.txt文件用法举例
例1. 禁止所有搜索引擎访问网站的任何部分 下载该robots.txt文件 | User-agent: * Disallow: / |
例2. 允许所有的robot访问 (或者也可以建一个空文件 "/robots.txt" file) | User-agent: * Disallow: |
例3. 禁止某个搜索引擎的访问 | User-agent: BadBot Disallow: / |
例4. 允许某个搜索引擎的访问 | User-agent: baiduspider Disallow: User-agent: * Disallow: / |
例5.一个简单例子 在这个例子中,该网站有三个目录对搜索引擎的访问做了限制,即搜索引擎不会访问这三个目录。 需要注意的是对每一个目录必须分开声明,而不要写成 "Disallow: /cgi-bin/ /tmp/"。 User-agent:后的* 具有特殊的含义,代表"any robot",所以在该文件中不能有"Disallow: /tmp/*" or "Disallow: *.gif"这样的记录出现. | User-agent: * Disallow: /cgi-bin/ Disallow: /tmp/ Disallow: /~joe/ |
robots.txt文件的更具体设置,请参看以下链接:
·
Web Server Administrator's Guide to the Robots Exclusion Protocol
·
HTML Author's Guide to the Robots Exclusion Protocol
·
The original 1994 protocol description, as currently deployed
·
The revised Internet-Draft specification, which is not yet completed or implemented
相关文章推荐
- 适用于OpenGL离屏渲染上下文的初始化代码
- 自定义控制器的转场动画(Push、Pop)
- RelativeLayout中的格局,自适应宽度布局
- Android 消息机制源码分析
- boost::spirit unicode 简用记录
- 运维工程师在干什么学些什么?【致菜鸟】
- Majority Element
- swift学习笔记之-类和结构体
- 接口实例
- WIndows隐藏硬盘
- 搭建OpenCV 3.1、OpenNi2、Qt 5.5、VS2010开发环境
- OpenLayers3-10-Advanced View Positioning
- osc搜索引擎框架search-framework,TngouDB,gso,
- Linux 命令解压缩
- node socket搭建简单聊天室
- osc搜索引擎框架search-framework,TngouDB,gso,
- 一些有用的js插件
- wamp2.5 配置站点
- poj3368
- java中的JTable类