网站合理利用robots协议

    Robots协议就是robots.txt文件,放置在网站根目录(也称为爬虫协议、机器人协议等)全称是“网络爬虫排除标准”(Robots Exclusion Protocol),网站通过Robots协议告诉搜索引擎哪些页面可以抓取,哪些页面不能抓取。

    当蜘蛛爬取网页的时候会首先分析robots.txt文件,根据robots的协议我们就能根据网站的需要去修改,从而达到控制蜘蛛的抓取,这对我们网站优化来说非常实用。

    当然百度对于robots协议的支持还是反应比较慢,所以我们在做这块时也需要注意考虑。

robots.txt的写法:

User-agent: * 这里的*代表的所有的搜索引擎种类,*是一个通配符
Disallow: /admin/ 这里定义是禁止爬寻admin目录下面的目录
Disallow: /require/ 这里定义是禁止爬寻require目录下面的目录
Disallow: /ABC/ 这里定义是禁止爬寻ABC目录下面的目录
Disallow: /cgi-bin/*.htm 禁止访问/cgi-bin/目录下的所有以".htm"为后缀的URL(包含子目录)。
Disallow: /*?* 禁止访问网站中所有包含问号 (?) 的网址
Disallow: /.jpg$ 禁止抓取网页所有的.jpg格式的图片
Disallow:/ab/adc.html 禁止爬取ab文件夹下面的adc.html文件。
Allow: /cgi-bin/ 这里定义是允许爬寻cgi-bin目录下面的目录
Allow: /tmp 这里定义是允许爬寻tmp的整个目录
Allow: .htm$ 仅允许访问以".htm"为后缀的URL。
Allow: .gif$ 允许抓取网页和gif格式图片
Sitemap: 网站地图 告诉爬虫这个页面是网站地图

本文:【网站合理利用robots协议】--seo知识
文章地址:http://chengdu.seosrx.net/zhishi/6.html 转载请保留链接地址

上一篇:网站数据分析都要做什么?
下一篇:火狐浏览器插件seoquake修改