专注数字产品开发
将创新和需求转化为专业的数字化解决方案

帮助企业在不断变化的数字环境中脱颖而出
©2023 Copyright reserverd

威海佰年网络技术有限公司 首页知识库

  • Robots文件的作用和规范写法

    发布:2012-12-30 seozixuewang.com
  • 控制页面的抓取、索引是SEO优化网站结构时经常需要用到的技术。常见的工具包括:

    robots文件

    页面的noindex标签

    链接的nofollow属性

    页面的301转向

    页面的canonical标签等

    这几个工具各有各的特定应用场景,但都是用于控制网站内部结构,之间容易混淆,还经常需要配合使用,SEO们必须准确理解这几个工具的机制和原理,不然很容易出错。

    这篇贴子讨论robots文件。

    Robots文件的作用

    robots文件是一个放置在域名(或子域名)根目录下的、文件名固定为robots.txt的(全部小写)、UTF8编码的、纯ASCII文本文件,用来通知搜索引擎,网站的哪些部分可以抓取,哪些禁止抓取。robots.txt只对所在的域名(或子域名)、协议和端口号起作用。

    搜索引擎蜘蛛在抓取网站页面前,会先看一下robots.txt的内容,哪些页面可以抓取,哪些页面被站长禁止抓取。当然,是否遵守robots文件的规则就靠自觉了,某些坏蜘蛛就不遵守,站长是没办法的,比如采集内容的、克隆网站的。

    所以,robots.txt文件是站长禁止搜索引擎抓取某些页面的指令。但是要注意,页面没有被抓取,不意味着页面就不会被索引和收录,这是两个概念。详情参考爬行、抓取、索引的概念介绍贴子。

    怎样写Robots文件

    Robots文件的每行记录均由一个字段、一个冒号和一个值组成,标准格式是:

    :<#optional-comment>

    其中指的是可以加一个空格,但不是必须,通常建议加这个空格,比较容易读。

    <#optional-comment>是另一个可选项,用于写些注释。

    通常robots文件中的记录通常以User-agent开始,后面加上若干Disallow和Allow行。User-agent指定本记录用于哪个搜索引擎蜘蛛,Disallow是指定禁止抓取的文件或目录,Allow是指定允许抓取的文件或记录。

    所有搜索引擎都支持的robots文件记录包括:

    Disallow – 告诉蜘蛛不要抓取某些文件或目录。如下面代码将阻止所有蜘蛛抓取所有的网站文件:

    User-agent: *

    Disallow: /

    Allow – 告诉蜘蛛应该抓取某些文件。Allow和Disallow配合使用,可以告诉蜘蛛某个目录下,大部分都不抓取,只抓取一部分。如下面代码将使蜘蛛不抓取ab目录下其他文件,而只抓取其中cd下的文件:

    User-agent: *

    Disallow: /ab/

    Allow: /ab/cd

    $通配符 – 匹配URL结尾的字符。如下面代码将允许蜘蛛访问以.htm为后缀的URL:

    User-agent: *

    Allow: .htm$

    *通配符 – 告诉蜘蛛匹配任意一段字符。如下面一段代码将禁止所有蜘蛛抓取所有htm文件:

    User-agent: *

    Disallow: /*.htm

    Sitemaps位置 – 告诉蜘蛛你的网站地图在哪里,格式为:

    Sitemap:

    Robots文件的注意事项

    另外提醒大家注意的是,robots.txt文件可以不存在,返回404错误,意味着允许蜘蛛抓取所有内容。但抓取robots.txt文件时却发生超时之类的错误,可能导致搜索引擎不收录网站,因为蜘蛛不知道robots.txt文件是否存在或者里面有什么内容,这与确认文件不存在是不一样的。

    另外,如果robots.txt文件不存在,而404页面上包含一些URL,可能会造成搜索引擎误将404页面的内容当作robots文件的内容,导致无法预测的后果。所以,即使想开放所有搜索引擎蜘蛛抓取所有内容,也最好放一个robots文件,哪怕是空的文件。

    Robots文件的检测

    写好robots文件后如果不确定是否写得正确,可以用搜索引擎官方工具检测验证。如百度资源平台的robots文件验证工具 https://ziyuan.baidu.com/robots/index

    robots文件检测验证工具

    输入网址后,验证工具会告诉你这个URL是否允许被抓取。

    掌握robots文件用法和写法是SEO的基本功。遇到页面不被收录或收录骤降,robots文件也是第一个要检查的。

    来源:seo每天一贴 Zac 昝辉


    seozixuewang




    手机扫码阅读

    更多资讯

    专业的技术驱动型网络技术公司,公司成立于2009年,12年专注数字产品开发,用创新迎合客户不断增长的需求,为客户提供专业的数字化解决方案, 为企业和品牌在不断变化的数字化环境中脱颖而出。

    威海网站建设, 威海微信公众号开发, 威海企业邮箱, 威海行业网站, 威海系统开发, 威海软件开发, 威海APP开发, 威海域名注册, 威海商标查询, 威海商标注册, 威海商标设计, 威海知识产权代理, 威海房产销控系统, 威海缺陷跟踪系统, 威海企业云/私有云解决方案, 威海企业邮局

    合作企业 COOPERATOR

    沐兮知识产权代理有限公司

    商标查询, 商标注册, 软件著作权申请, 商标续展, 知识产权代理
    撤三业务, 商标类法律文书咨询业务, 商标业务咨询

    阿里云

    域名注册, 企业邮局/邮箱注册, ECS, 香港主机, 海外主机

    联系我们 CONTACT

    山东 . 威海 青岛中路87 阿里巴巴四十大道 A1512号
    SERVICE@BRILINE.NET
    设计、建站、邮箱、主机、改版、维护
    开发、数据维护、私有云、服务器
    商标注册、变更、复审、答辩、续展、备案
      周一 - 周五 13385420936
    0.105150s