robots史上最详尽、最易懂说明及写法

robots介绍:

很多做优化的忽略robots的重要性,我们首先要记住的就是蜘蛛来到网站之后第一个看的就是robots文件,它是搜索引擎的协定,告诉蜘蛛哪些能抓,哪些不能抓,哪些目录下的哪些文件可以抓,这些robots文件都可以实现。优化时候忽略了robots文件的重要性,可能会一不小心被网站编程人员给自己埋了一个坑。

robots规则说明:

*代表所有的意思

User-agent

爬虫抓取时会声明自己的身份,这就是User-agent,如果这个规则适用于所有搜索引擎的话,写法:User-agent:* 如果单独适用于百度的话User-agent:Baiduspider

 (附一些搜索引擎的名字:百度Baiduspider|谷歌Googlebot|360蜘蛛:360Spider|SOSO蜘蛛:Sosospider|雅虎蜘蛛:Yahoo!|有道蜘蛛:YoudaoBot|搜狗蜘蛛:Sogou News Spider|MSN蜘蛛:msnbot/msnbot-media|必应蜘蛛:bingbot/compatible|一搜蜘蛛:YisouSpider|Alexa蜘蛛:ia_archiver|宜sou蜘蛛:EasouSpider|即刻蜘蛛:JikeSpider|一淘网蜘蛛:EtaoSpider)

DisallowDisallow 列出的是要禁止抓取的的网页和规则,后面用/代表层次关系

Disallow:/(代表着禁止抓取网站所有内容)

Disallow:/abc(禁止抓取abc及其层次下的内容)

Disallow:/abc/(禁止抓取abc层次下的内容,但是允许抓abc)

Disallow:/*.png(禁止抓取png的图片,其他格式的也这样写比如禁止抓网站中的PPT后缀文件是Disallow:/*.PPT) 

Disallow:/abc/*.png(禁止访问abc层次下的PNG图片,其他格式也是) 

Disallow:/*?*(屏蔽站内所有动态URL,因为动态地址都带?所有可以用这种形式,其他的字符也可以) 

Disallow:/abc/*?*(只屏蔽abc层次下的动态地址) 

Disallow:/*?/(屏蔽动态层次下的内容,比如有些文章或栏目是网址/?14125这样URL,这样可以让抓取文章,也可以屏蔽后面内容) 

Disallow:/abc/*?/(屏蔽abc栏目下的动态层次下的内容)

其他的按照这个思路灵活使用就行了

Allow

Allow代表允许访问抓取的意思

Allow一定放在disallow的前面才能不受disallow的影响,比如禁止所有动态后,想要排除一个栏目,写法如下:

Allow:/abc

disallow:/*?* 

其他的写法参考disallow的逻辑

sitemap

这个只用于告诉蜘蛛网站地图在哪

sitemap:网址/sitemap.xml 

Crawl-delay

控制抓取频次,一般有些搜索蜘蛛频繁抓取网站,会对服务器造成很大的负担,这个就是用来控制抓取频次的

User-agent:360Spider

Crawl-delay:10

这句是说,360你抓的太频繁,你抓过之后10秒之后才能下一次抓取

还有就是不让显示快照:

在你不想展示快照页面的head标签中加入 meta name=“robots” content=“noarchive”(禁止所有搜索引擎产生快照)

在你不想展示某个搜索引擎出现快照页面的head标签中加入 meta name=“360Spider” content=“noarchive”(禁止360产生快照,name后面的换成蜘蛛名字即可)

版权所有:《博客之家
文章标题:《robots史上最详尽、最易懂说明及写法
除非注明,文章均为 《博客之家》 原创
转载请注明本文短网址:http://bk.likinming.com/post-1062.html  [生成短网址]

日期:2017年12月25日 星期一   分类:好文分享   浏览(496)
百度暂未收录本文
声明:本页信息由网友自行发布或来源于网络,真实性、合法性由发布人负责,请仔细甄别!本站只为传递信息,我们不做任何双方证明,也不承担任何法律责任。免费发布信息

留言/评论:◎欢迎参与讨论,请在这里发表您的看法、交流您的观点。

自动获取QQ

昵称

邮箱

网址

网站收录提交

  • 名称:
  • 网址:

网址统计

  • 收录网址:750 个
  • 发布文章:540 条
  • 本站运行:5年1月26天
Copyright © 2012 - 2018 by 李明关于本站免责声明本站下载站点地图sitemap广告联系