当前位置:主页 > SEO教程 >

SEO领域中的robots是什么意思?及Robot的作用于写法-奕星SEO

作者: 奕星SEO 分类: SEO教程 发布时间: 2018-06-13 20:48 阅读量:

Robots.txt

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。robots.txt 

文件应该放在网站根目录下。

SEO领域中的robots是什么意思?及Robot的作用于写法_奕星seo
 

robots.txt 文件写法
 

User-agent:

该项的值用于填写搜索引擎蜘蛛的名字,在"robots.txt"文件中,如果有多条 User-agent 记录说明有多个搜索

引擎蜘蛛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。把该项的值设为*,则该协议

对任何机器人都有效,*在robots文件中属于全部通用的意思。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 搜索引擎蜘蛛访问到。

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。
 

Allow:

Allow: /abbab/ 这里定义是允许爬寻abbab目录下面的目录

Allow: /img这里定义是允许爬寻img的整个目录

Allow: .htm$ 仅允许访问以".htm"为后缀的URL。

Allow: .jpg$ 允许抓取网页的jpg格式图片

SEO领域中的robots是什么意思?及Robot的作用于写法_奕星seo
 

使用 * 号匹配字符序列:

您可使用星号 (*) 来匹配字符序列。例如,要拦截对所有以plus开头的子目录的访问,可使用下列条目:

User-Agent:*

Disallow:/plus*/

要拦截对所有包含问号 (?) 的网址的访问,可使用下列条目:

User-agent:*

Disallow:/*?*
 

使用 $ 匹配网址的结束字符

您可使用 $ 字符指定与网址的结束字符进行匹配。例如,要拦截以 .asp 结尾的网址,可使用下列条目:

User-Agent:*

Disallow:/*.asp$

您可将此模式匹配与 Allow 指令配合使用。例如,如果 ? 表示一个会话 ID,您可排除所有包

含该 ID 的网址,确保 搜索引擎蜘蛛不会抓取重复的网页。但是,以 ? 结尾的网址可能是您要包含的网页版本

。在此情况下,可对 robots.txt 文件进行如下设置:

User-agent:*

Allow:/*?$

Disallow:/*?

Disallow:/ *?一行将拦截包含 ? 的网址(具体而言,它将拦截所有以您的域名开头、后接任意字符串,然后是

问号 (?),而后又是任意字符串的网址)。

Allow: /*?$ 一行将允许包含任何以 ? 结尾的网址(具体而言,它将允许包含所有以您的域名开头、后接任意

字符串,然后是问号 (?),问号之后没有任何字符的网址)。
 

Robots.txt 带来的好处:

1.几乎所有的搜索引擎蜘蛛都遵循 robots.txt 给出的爬行规则,协议规定搜索引擎搜索引擎蜘蛛进入某个网站

的入口即是该网站的 robots.txt,当然,前提是该网站存在此文件。对于没有配置 robots.txt 的网站,

Spider 将会被重定向至 404 错误页面,相关研究表明,如果网站采用了自定义的 404 错误页面,那么搜索引

擎蜘蛛将会把其视作 robots.txt——虽然其并非一个纯粹的文本文件——这将给搜索引擎蜘蛛索引网站带来很

大的困扰,影响搜索引擎对网站页面的收录。

2.robots.txt 可以制止不必要的搜索引擎占用服务器的宝贵带宽,如 email retrievers,这类搜索引擎对大多

数网站是没有意义的;再如 image strippers,对于大多数非图形类网站来说其也没有太大意义,但却耗用大量

带宽。

3.robots.txt 可以制止搜索引擎对非公开页面的爬行与索引,如网站的后台程序、管理程序,事实上,对于某

些在运行中产生临时页面的网站来说,如果未配置 robots.txt,搜索引擎甚至会索引那些临时文件。

4.对于内容丰富、存在很多页面的网站来说,配置 robots.txt 的意义更为重大,因为很多时候其会遭遇到搜索

引擎 Spider 给予网站的巨大压力:洪水般的 Spider 访问,如果不加控制,甚至会影响网站的正常访问。

5.同样地,如果网站内存在重复内容,使用 robots.txt 限制部分页面不被搜索引擎索引和收录,可以避免网站

受到搜索引擎关于 duplicate content 的惩罚,保证网站的排名不受影响。
 

robots.txt 带来的风险及解决:

1.凡事有利必有弊,robots.txt 同时也带来了一定的风险:其也给攻击者指明了网站的目录结构和私密数据所

在的位置。虽然在 Web 服务器的安全措施配置得当的前提下这不是一个严重的问题,但毕竟降低了那些不怀好

意者的攻击难度。

比如说,如果网站中的私密数据通过 www.yourdomain.com/private/index.html 访问,那么,在 robots.txt 

的设置可能如下:

User-agent: *

Disallow: /private/

这样,攻击者只需看一下 robots.txt 即可知你要隐藏的内容在哪里,在浏览器中输入

www.yourdomain.com/private/ 便可访问我们不欲公开的内容。对这种情况,一般采取如下的办法:

设置访问权限,对/private/中的内容实施密码保护,这样,攻击者便无从进入。

另一种办法是将缺省的目录主文件 index.html 更名为其他,比如说 abc-protect.html,这样,该内容的地址

即变成 www.yourdomain.com/private/abc-protect.htm,同时,制作一个新的

index.html 文件,内容大致为“你没有权限访问此页”之类,这样,攻击者因不知实际的文件名而无法访问私

密内容。

2.如果设置不对,将导致搜索引擎将索引的数据全部删除。

User-agent: *

Disallow: /


本文链接地址:本文链接地址:http://www.seohuizhou.com/seojiaocheng/213.html
上一篇:<<织梦模板中文章id-权重-点击-随机排序调用标签详解-奕星SEO
下一篇:如何让网站的老页面被百度收录-奕星SEO>>