展现网站最优质内容 正确配置Robots文件

2019-03-10 12:06:49来源: 互联网 阅读 ()

新老客户大回馈,云服务器低至5折

核心提示: 一个网站要建立好良好的形象,必定要“扬长避短”。通过robots.txt来限制蜘蛛的爬行页面,不让蜘蛛爬行质量比较低劣的网页。

Google,雅虎,微软就合作共同遵守统一的Sitemaps标准,又宣布,共同遵守的robots.txt文件标准。Google,雅虎,微软各自在自己的官方博客上发了一篇帖子,公布三家都支持的robots.txt文件及Meta标签的标准,以及一些各自特有的标准。下面做一个总结。

三家都支持的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:

更多精彩点击下一页

三家都支持的Meta标签包括:

NOINDEX - 告诉蜘蛛不要索引某个网页。

NOFOLLOW - 告诉蜘蛛不要跟踪网页上的链接。

NOSNIPPET - 告诉蜘蛛不要在搜索结果中显示说明文字。

NOARCHIVE - 告诉蜘蛛不要显示快照。

NOODP - 告诉蜘蛛不要使用开放目录中的标题和说明。

上面这些记录或标签,现在三家都共同支持。其中通配符好像以前雅虎微软并不支持。百度现在也支持Disallow,Allow及两种通配符。Meta标签我没有找到百度是否支持的官方说明。

只有Google支持的Meta标签有:

UNAVAILABLE_AFTER - 告诉蜘蛛网页什么时候过期。在这个日期之后,不应该再出现在搜索结果中。

NOIMAGEINDEX - 告诉蜘蛛不要索引页面上的图片。

NOTRANSLATE - 告诉蜘蛛不要翻译页面内容。

雅虎还支持Meta标签:

Crawl-Delay - 允许蜘蛛延时抓取的频率。

NOYDIR - 和NOODP标签相似,但是指雅虎目录,而不是开放目录。

Robots-nocontent - 告诉蜘蛛被标注的部分html不是网页内容的一部分,或者换个角度,告诉蜘蛛哪些部分是页面的主要内容(想被检索的内容)。

MSN还支持Meta标签:

Crawl-Delay

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。

更多精彩点击下一页

在互联网这个大世界里,每天都会有大量的信息生成,其中有很多网站都是信息的制造者,这类网站的文章大多数都是原创性的,可是这类网站在互联网中却不是非常的知名,他们的风头全被新浪等"采集"网站抢走了。

其实并不是搜索引擎不喜欢他们,而是由于他们自己的失误,没有把优质的内容很好的呈现在搜索引擎的面前,这是因为他们不注重SEO导致的后果。比如很多报刊,杂志类的网站,天天都有一大批高质量的原创文章的更新,可这类公司他们仍然比较重视传统的文字性的东西,而忽略了网站的作用,通过分析他们的网站,可以挑出很多毛病。比如导航过于复杂,啰嗦,不能很直观把用户想要的文章呈现在用户面前,不能很方便的让用户查阅到他们所想要阅读的信息,导致了很多高质量的文章在蜘蛛爬行网站的过程中,根本就没有呈现出来,像这样已经石沉大海的,搜索引擎蜘蛛根本爬行不到的文章,就算写的再好,没有阅读者,那也就失去了文章本身的价值。文章就是写给阅读者看的,如果没有观众,文章再精彩也只是作家在一旁独自享乐!

当然,在讨论“如何把网站最优质的内容展现出来”这个问题时,有一个前提,网站原创性的文章比较多。解决这个问题最好的办法就是“内链建设”。内链建设的目的就是让网站的所有页面尽可能的联系在一起,建设成循环链,从而让尽可能多的网页呈现在搜索引擎蜘蛛面前,为蜘蛛提供尽可能多的“路径”选择。因为只有当蜘蛛爬行过你的网页,你的网页才有可能被抓取收录。如果压根蜘蛛就没爬行过的网页,那根本就无从谈起抓取收录的过程了。当然,一个网站要建立好良好的形象,必定要“扬长避短”!除了前面的“扬长”以外,还应该学会“避短”!我们可以通过robots.txt来限制蜘蛛的爬行页面,我们通过robots.txt的控制,不让蜘蛛爬行质量比较低劣的网页。

标签:

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,本站所提供的摄影照片,插画,设计作品,如需使用,请与原作者联系,版权归原作者所有

上一篇:行业站站长必备:如何提升行业网站影响力

下一篇:如何利用404错误页面引导流量、吸引点击