首页 >> 中国网络传播网文章管理系统 >> 搜索引擎知识 >> 正文
| 来源：中国搜索引擎研究网 文章作者：佚名 | ||||||||||
|
我们知道，搜索引擎都有自己的“搜索机器人”（
ROBOTS
），并通过这些
ROBOTS
在网络上沿着网页上的链接（一般是
http
和
src
链接）不断抓取资料建立自己的数据库。
对于网站管理者和内容提供者来说，有时候会有一些站点内容，不希望被 ROBOTS 抓取而公开。为了解决这个问题， ROBOTS 开发界提供了两个办法：一个是 robots.txt ，另一个是 The Robots META 标签。
一、
robots.txt
1、
什么是
robots.txt
？
robots.txt 是一个纯文本文件，通过在这个文件中声明该网站中不想被 robots 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。
当一个搜索机器人访问一个站点时，它会首先检查该站点根目录下是否存在 robots.txt ，如果找到，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。
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。
2、
robots.txt
的语法
"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
。
下面是一些 robots.txt 基本的用法：
l
禁止所有搜索引擎访问网站的任何部分：
l
允许所有的
robot
访问
l
禁止所有搜索引擎访问网站的几个部分（下例中的
cgi-bin
、
tmp
、
private
目录）
l
禁止某个搜索引擎的访问（下例中的
BadBot
）
l
只允许某个搜索引擎的访问（下例中的
WebCrawler
）
3、 常见搜索引擎机器人 Robots 名字
名称 搜索引擎 Baiduspider http://www.baidu.com Scooter http://www.altavista.com ia_archiver http://www.alexa.com Googlebot http://www.google.com FAST-WebCrawler http://www.alltheweb.com Slurp http://www.inktomi.com
MSNBOT
http://search.msn.com
4、
robots.txt
举例
下面是一些著名站点的 robots.txt ： http://www.cnn.com/robots.txt http://www.google.com/robots.txt http://www.ibm.com/robots.txt http://www.sun.com/robots.txt http://www.eachnet.com/robots.txt
5、
常见
robots.txt
错误
l
颠倒了顺序：
l
把多个禁止命令放在一行中：
l
行前有大量空格
l
404
重定向到另外一个页面：
l
采用大写。例如
l
语法中只有
Disallow
，没有
Allow
！
l
忘记了斜杠
/ 下面一个小工具专门检查 robots.txt 文件的有效性： http://www.searchengineworld.com/cgi-bin/robotcheck.cgi
二、 Robots META 标签
1
、什么是
Robots META
标签
Robots.txt 文件主要是限制整个站点或者目录的搜索引擎访问情况，而 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 | ||||||||||
| ·上一篇文章：Yahoo!推出全新搜索引擎 | ||||||||||
| ·下一篇文章：针对Yahoo做搜索引擎优化SEO |
