robots基本概念 Robots.txt文件是网站的一个文件，它是给搜索引擎蜘蛛看的。搜索引擎蜘蛛爬行道我们的网站首先就是抓取这个文件，根据里面的内容来决定对网站文件访问的范围。它能够保护我们的一些文件不暴露在搜索引擎之下，从而有效的控制蜘蛛的爬取路径，为我们站长做好seo创造必要的条件。尤其是我们的网站刚刚创建，有些内容还不完善，暂时还不想被搜索引擎收录时。 robots.txt也可用在某一目录中。对这一目录下的文件进行搜索范围设定。 几点注意： 网站必须要有一个robot.txt文件。 文件名是小写字母。 当需要完全屏蔽文件时，需要配合meta的robots属性。robots.txt的基本语法 内容项的基本格式：键: 值对。 1) User-Agent键 后面的内容对应的是各个具体的搜索引擎爬行器的名称。如百度是Baiduspider，谷歌是Googlebot。 一般我们这样写： User-Agent: * 表示允许所有搜索引擎蜘蛛来爬行抓取。如果只想让某一个搜索引擎蜘蛛来爬行，在后面列出名字即可。如果是多个，则重复写。 注意：User-Agent:后面要有一个空格。 在robots.txt中，键后面加：号，后面必有一个空格，和值相区分开。 2)Disallow键 该键用来说明不允许搜索引擎蜘蛛抓取的URL路径。 例如：Disallow: /index.php 禁止网站index.php文件 Allow键 该键说明允许搜索引擎蜘蛛爬行的URL路径 例如：Allow: /index.php 允许网站的index.php 通配符* 代表任意多个字符 例如：Disallow: /*.jpg 网站所有的jpg文件被禁止了。 结束符$ 表示以前面字符结束的url。 例如：Disallow: /?$ 网站所有以?结尾的文件被禁止。 四、robots.txt实例分析 例1. 禁止所有搜索引擎访问网站的任何部分 User-agent: * Disallow: / 例2. 允许所有的搜索引擎访问网站的任何部分 User-agent: * Disallow: 例3. 仅禁止Baiduspider访问您的网站 User-agent: Baiduspider Disallow: / 例4. 仅允许Baiduspider访问您的网站 User-agent: Baiduspider Disallow: 例5. 禁止spider访问特定目录 User-agent: * Disallow: /cgi-bin/ Disallow: /tmp/ Disallow: /data/ 注意事项：1)三个目录要分别写。2)请注意最后要带斜杠。3)带斜杠与不带斜杠的区别。 例6. 允许访问特定目录中的部分url 我希望a目录下只有b.htm允许访问，怎么写? User-agent: * Allow: /a/b.htm Disallow: /a/ 注：允许收录优先级要高于禁止收录。 从例7开始说明通配符的使用。通配符包括("$" 结束符; "*"任意符) 例7. 禁止访问网站中所有的动态页面 User-agent: * Disallow: /*?* 例8. 禁止搜索引擎抓取网站上所有图片 User-agent: * Disallow: /*.jpg$ Disallow: /*.jpeg$ Disallow: /*.gif$ Disallow: /*.png$ Disallow: /*.bmp$ 其他很多情况呢，需要具体情况具体分析。只要你了解了这些语法规则以及通配符的使用，相信很多情况是可以解决的。meta robots标签 meta是网页html文件的head标签里面的标签内容。它规定了此html文件对与搜索引擎的抓取规则。与robot.txt 不同，它只针对写在此html的文件。 写法： <meta name="robots" content="…" />。 …里面的内容列出如下 noindex - 阻止页面被列入索引。 nofollow - 阻止对于页面中任何超级链接进行索引。 noarchive - 不保存该页面的网页快照。 nosnippet - 不在搜索结果中显示该页面的摘要信息，同时不保存该页面的网页快照。 noodp - 在搜索结果中不使用Open Directory Project中的描述信息作为其摘要信息。
