Robots.txt 是存放在站點根目錄下的一個純文字檔案。雖然它的設定很簡單,但是作用卻很強大。它可以指定搜尋引擎蜘蛛隻抓取指定的内容,或者是禁止搜尋引擎蜘蛛抓取網站的部分或全部内容。
使用方法:
Robots.txt 檔案應該放在網站根目錄下,并且該檔案是可以通過網際網路進行通路的。
例如:如果您的網站位址是 http://www.yourdomain.com/那麼,該檔案必須能夠通過 http://www.yourdomain.com/robots.txt 打開并看到裡面的内容。
格式:
User-agent:
用于描述搜尋引擎蜘蛛的名字,在" Robots.txt "檔案中,如果有多條User-agent記錄說明有多個搜尋引擎蜘蛛會受到該協定的限制,對該檔案來說,至少要有一條User-agent記錄。如果該項的值設為*,則該協定對任何搜尋引擎蜘蛛均有效,在" Robots.txt "檔案中,"User-agent:*"這樣的記錄隻能有一條。
Disallow:
用于描述不希望被通路到的一個URL,這個URL可以是一條完整的路徑,也可以是部分的,任何以Disallow開頭的URL均不會被Robot通路到。
舉例:
例一:"Disallow:/help"是指/help.html 和/help/index.html都不允許搜尋引擎蜘蛛抓取。
例二:"Disallow:/help/"是指允許搜尋引擎蜘蛛抓取/help.html,而不能抓取/help/index.html。
例三:Disallow記錄為空說明該網站的所有頁面都允許被搜尋引擎抓取,在"/robots.txt"檔案中,至少要有一條Disallow記錄。如果"/robots.txt"是一個空檔案,則對于所有的搜尋引擎蜘蛛,該網站都是開放的可以被抓取的。
#:Robots.txt 協定中的注釋符。
綜合例子 :
例一:通過"/robots.txt"禁止所有搜尋引擎蜘蛛抓取"/bin/cgi/"目錄,以及 "/tmp/"目錄和 /foo.html 檔案,設定方法如下:
User-agent: *
Disallow: /bin/cgi/
Disallow: /tmp/
Disallow: /foo.html
例二:通過"/robots.txt"隻允許某個搜尋引擎抓取,而禁止其他的搜尋引擎抓取。如:隻允許名為"slurp"的搜尋引擎蜘蛛抓取,而拒絕其他的搜尋引擎蜘蛛抓取 "/cgi/" 目錄下的内容,設定方法如下:
User-agent: *
Disallow: /cgi/
User-agent: slurp
Disallow:
例三:禁止任何搜尋引擎抓取我的網站,設定方法如下:
User-agent: *
Disallow: /
例四:隻禁止某個搜尋引擎抓取我的網站如:隻禁止名為“slurp”的搜尋引擎蜘蛛抓取,設定方法如下:
User-agent: slurp
Disallow: /
站長工具:http://tool.chinaz.com/robots/
更多參考資料 (英文版)