金楚辽：老生常谈ROBOTS.TXT的写法

记得很早以前，那个时间新浪屏蔽百度蜘蛛的事件传得很大，其实你主要是学会了ROBOTS.TXT的写法，那就简单的了，两下就认出了这事的真假。所以说学好技术，可以更好的知道真相。

首先，我们先来认识我们亲爱的蜘蛛们吧：

国内的搜索引擎蜘蛛

百度蜘蛛：baiduspider

搜狗蜘蛛：sogou spider

有道蜘蛛：YodaoBot和OutfoxBot

搜搜蜘蛛： Sosospider

国外的搜索引擎蜘蛛

google蜘蛛： googlebot

yahoo蜘蛛：Yahoo！ Slurp

alexa蜘蛛：ia_archiver

bing蜘蛛（MSN）：msnbot

Robots.txt的几个常用英文意思

• User-Agent： 适用下列规则的漫游器

• Allow： 充许被抓取的网页

• Disallow： 要拦截的网页

Robots.txt的两个常用符号

“*”： 匹配0或多个任意字符（也有所有的意思）

“$”：匹配行结束符。

介绍得差不多了，下面来进入正题，Robots.txt：

一、充许所有的蜘蛛抓取：

User-agent： *

Disallow：

或者

User-agent： *

Allow： /

（*号可以理解为所以的意思）

二、禁止所有的robot抓取

User-agent： *

Disallow： /

三、禁止某一蜘蛛抓取：

User-agent： 蜘蛛名（上面介绍得有）

Disallow： /

四、只充许某一蜘蛛抓取：

User-agent： 蜘蛛名（上面介绍得有）

Disallow：

User-agent： *

Disallow： /

上半部分是禁止该蜘蛛抓取，下半部分是充许所有，总体意思就是禁止此蜘蛛，充许其它蜘蛛。

五、禁止蜘蛛抓取某些目录

如禁止抓取admin和manage目录

User-agent： *

Disallow： /admin/

Disallow： /manage/

六、禁止蜘蛛特定后缀文件，这个用“*”号

如禁止抓取.htm的文件

User-agent： *

Disallow： *.htm（*号后面然后是点文件名，如.asp，.php）

七、仅充许抓取特定后缀文件，这个用“$”号

如仅充许.htm的文件

User-agent： *

Allow： .htm$

Disallow： /

（图片也可以参考第六条和第七条这个样子）

八、禁止抓取动态网页

User-agent： *

Disallow： /*？*

这个在论坛很有用，一般伪静态后，就不需要搜索引擎再收录其动态地址了。做论坛的朋友们注意了。

九、声明网站地图sitemap

这个告诉搜索引擎你的sitemap在哪

Sitemap： http://你的域名/sitemap.xml

做完这些我们如何检查我们的robots.txt这个文件的有效性呢？推荐使用 Google管理员工具，登录后访问“工具 ->分析 robots.txt”，检查文件有效性。

原创文章请注明转载自：武汉seo-sem说

本文地址：http://www.semsay.com/seo/37.html

标签： 蜘蛛抓取 搜索引擎蜘蛛 搜索SEO 

版权申明：本站文章部分自网络，如有侵权，请联系：west999com@outlook.com
特别注意：本站所有转载文章言论不代表本站观点！
本站所提供的图片等素材，版权归原作者所有，如需使用，请与原作者联系。