优化技术-博客吧

Robots写法,常用的十种robots用法举例

robots是网站跟爬虫间的协议,用简单直接的txt格式文本方式告诉对应的爬虫被允许的权限,也就是说robots.txt是搜索引擎中访问网站的时候要查看的第一个文件,想要网站被收录,必须要些robots.txt


准备一个域名,空间。域名就是大家所谓的网址,空间就是这个网站所存储的地方。


域名准备好之后就开始建站了,建完站首先要分析要不要被搜索引擎抓取页面然后展现。这个时候就要开始些robots文件了。举例来说,当spider访问一个网站(比如http://mip.shenbaiyi.com)时,首先会检查该网站中是否存在http://mip.shenbaiyi.com/robots.txt这个文件,如果robots禁止搜索引擎抓取的话,那么搜索引擎就不会对网站进行索引并展现


那么怎么样能不让搜索引擎抓取呢?又怎么能让搜索引擎抓取呢?那么就要说下Disallow和Allow这两个命令的用法了。首先User-agent是代表搜索引擎能否抓取页面的开始。下面就是Disallow和Allow的选择了。详细的写法如下


robots.txt文件用法举例:


1. 允许所有的robot访问

User-agent: * Allow: / 或者 User-agent: * Disallow:


2. 禁止所有搜索引擎访问网站的任何部分

User-agent: *

Disallow: /


3. 仅禁止Baiduspider访问您的网站

User-agent: Baiduspider

Disallow: /


4. 仅允许Baiduspider访问您的网站

User-agent: Baiduspider

Disallow:


5. 禁止spider访问特定目录

User-agent: *

Disallow: /cgi-bin/

Disallow: /tmp/

Disallow: /~joe/


6. 允许访问特定目录中的部分url

User-agent: *

Allow: /cgi-bin/see

Allow: /tmp/hi

Allow: /~joe/look

Disallow: /cgi-bin/

Disallow: /tmp/

Disallow: /~joe/


7. 使用”*”限制访问url

禁止访问/cgi-bin/目录下的所有以”.htm”为后缀的URL(包含子目录)。

User-agent: *

Disallow: /cgi-bin/*.htm


8. 使用”$”限制访问url

仅允许访问以”.htm”为后缀的URL。

User-agent: *

Allow: .htm$

Disallow: /


例9. 禁止访问网站中所有的动态页面

User-agent: *

Disallow: /*?*


10. 禁止Baiduspider抓取网站上所有图片

仅允许抓取网页,禁止抓取任何图片。

User-agent: Baiduspider

Disallow: .jpg$

Disallow: .jpeg$

Disallow: .gif$

Disallow: .png$

Disallow: .bmp$


通常的robots写法就是上面的10种了,如果还有其他写法,后续会给大家详细的介绍

以上内容来源于网络