robots.txt文件介绍

关于robots.txt文件使用的一些简单介绍

robots.txt是网站主建立与搜索引擎之间沟通的一座桥梁。其文件常见问题很多，下面列举一些我们经常犯的一些错误：
　　1、robots.txt的位置应该放在那里？
　　robots.txt文件应该放置在网站根目录下。当搜索引擎的蜘蛛程序访问一个网站（比如http://www.chinaxkj.com）时，首先会检查该网站中是否存在http://www.seoqu.com/robots.txt这个文件，如果找到这个文件，它就会根据这个文件的内容，来确定它即将要访问的范围。
　　2、我建立了robots.txt文件屏蔽了网页，为什么还会出现在搜索结果中呢？
　　如果在robots.txt中屏蔽了该url路径，按常理来将是不会出现的搜索结果中的，但是很多情况下并不是这样，原因如下：
　　1.蜘蛛程序通过其他链接直接进入网站的内页，导致被爬取并收录；
　　2.robots.txt文件是后期修改，搜索结果还未进行更新；
　　3.…
　　以上经过一段时间的更新就会逐渐消失，如果被抓取的网页涉及到一些隐私，可以直接想相关搜索引擎反映。
　　3、robots.txt中的一些细节问题
　　文件中头字母大小写；
　　注意空格和“／”
　　4、robots.txt的一些操作事例
　　a、禁止搜索搜索引擎访问网站的任何部分
　　User-agent：*
　　Disallow：/
　　b、允许访问所有的内容
　　User-agent：*
　　Disallow：
　　或者
　　User-agent：＊
　　Allow：/
　　也可以建立一个空的robots.txt文件
　　c、仅仅允许google访问我的网站
　　User-agent：Googlebot
　　Disallow：/
　　User-agent：*
　　Disallow：/
　　d、禁止访问指定目录
　　User-agent：*
　　Disallow：/abc/
　　Disallow：/def/
　　Disallow：/ghp/
　　e、允许访问特定目录
　　User-agent：*
　　Allow：/abc/abc
　　Allow：/def/ef
　　Allow：/ghp/look
　　Disallow：/abc/
　　Disallow：/def/
　　Disallow：/ghp/
　　f、禁止访问/abc/目录下的所有以”.html”为后缀的URL(包含子目录)
　　User-agent：*
　　Disallow：/abc/*.html
　　g、仅允许访问以”.html”为后缀的URL
　　User-agent：*
　　Allow：.html$
　　Disallow：/
　　h、禁止访问网站中所有的动态页面
　　User-agent：*
　　Disallow：/*？*
　　i、禁止抓取网站上所有图片
　　User-agent：*
　　Disallow：.jpg$
　　Disallow：.jpeg$
　　Disallow：.gif$
　　Disallow：.png$
　　Disallow：.bmp$
　　注意：如果还有其他格式，可以再进行添加Disallow：如果允许抓取某一类型的图片，将“Disallow”修改为“Allow”即可。
　　注意以上格式中空格和“／”的使用
　　j、允许所有搜索引擎抓取，将自己的网站地图放进robots.txt文件
　　User-agent：*
　　Disallow：
　　Sitemap：http://www.chinaxkj.com/index.html　　
robots.txt存在的问题比较多，大家有什么疑问也可以直接留言，方便进一步完善robots.txt常见问题。