建站推广热线|在线留言

198.2155.1721   188.1771.8466 

什么是robots文件?

发布时间:2017-12-03 22:47:57访问人数:作者:百度站长

    什么是robots,你可以理解为搜索引擎蜘蛛抓取的规则。当蜘蛛来到你的网站的时候首先会看下robot.txt这个文件,它会告诉蜘蛛哪些页面可以抓取,哪些页面要屏蔽掉不能抓取和收录。Robots是站点与spider沟通的重要渠道,站点通过robots文件声明本网站中不想被搜索引擎收录的部分或者指定搜索引擎只收录特定的部分。

    9月11日,百度搜索robots全新升级。升级后robots将优化对网站视频URL收录抓取情况。仅当您的网站包含不希望被视频搜索引擎收录的内容时,才需要使用robots.txt文件。如果您希望搜索引擎收录网站上所有内容,请勿建立robots.txt文件。如您的网站未设置robots协议,百度搜索对网站视频URL的收录将包含视频播放页URL,及页面中的视频文件、视频周边文本等信息,搜索对已收录的短视频资源将对用户呈现为视频极速体验页。此外,综艺影视类长视频,搜索引擎仅收录页面URL。

018371511338675.png

robots.txt文件的格式 robots文件往往放置于根目录下,包含一条或更多的记录,这些记录通过空行分开(以CR,CR/NL, or NL作为结束符),每一条记录的格式如下所示:

        ":"

 在该文件中可以使用#进行注解,具体使用方法和UNIX中的惯例一样。该文件中的记录通常以一行或多行User-agent开始,后面加上若干Disallow和Allow行,详细情况如下:

        User-agent:该项的值用于描述搜索引擎robot的名字。在"robots.txt"文件中,如果有多条User-agent记录说明有多个robot会受到"robots.txt"的限制,对该文件来说,至少要有一条User-agent记录。如果该项的值设为*,则对任何robot均有效,在"robots.txt"文件中,"User-agent:*"这样的记录只能有一条。如果在"robots.txt"文件中,加入"User-agent:SomeBot"和若干Disallow、Allow行,那么名为"SomeBot"只受到"User-agent:SomeBot"后面的 Disallow和Allow行的限制。


        Disallow:该项的值用于描述不希望被访问的一组URL,这个值可以是一条完整的路径,也可以是路径的非空前缀,以Disallow项的值开头的URL不会被 robot访问。例如"Disallow:/help"禁止robot访问/help.html、/helpabc.html、/help/index.html,而"Disallow:/help/"则允许robot访问/help.html、/helpabc.html,不能访问/help/index.html。"Disallow:"说明允许robot访问该网站的所有url,在"/robots.txt"文件中,至少要有一条Disallow记录。如果"/robots.txt"不存在或者为空文件,则对于所有的搜索引擎robot,该网站都是开放的。


        Allow:该项的值用于描述希望被访问的一组URL,与Disallow项相似,这个值可以是一条完整的路径,也可以是路径的前缀,以Allow项的值开头的URL 是允许robot访问的。例如"Allow:/hibaidu"允许robot访问/hibaidu.htm、/hibaiducom.html、/hibaidu/com.html。一个网站的所有URL默认是Allow的,所以Allow通常与Disallow搭配使用,实现允许访问一部分网页同时禁止访问其它所有URL的功能。


        使用"*"and"$":Baiduspider支持使用通配符"*"和"$"来模糊匹配url。

        "*" 匹配0或多个任意字符

         "$" 匹配行结束符。


最后需要说明的是:百度会严格遵守robots的相关协议,请注意区分您不想被抓取或收录的目录的大小写,百度会对robots中所写的文件和您不想被抓取和收录的目录做精确匹配,否则robots协议无法生效。 具体详情可以访问:https://ziyuan.baidu.com/college/courseinfo?id=267&page=12#h2_article_title28





赞+1
分享:

版权:【非特殊说明,本站文章均为原创,转载请注明出处。注明为本站原创的文章,转载请注明出处与原文地址!英雄还是要问下出处的!本站部分转载文章能找到原作者的我们都会注明,若文章涉及版权请发至邮箱:crd@021360.net,以便我们及时处理,可以领红包哦。向本站投稿或者需要本站向贵司网站定期免费投稿请加微信:18817718466(褚百万)】

robots、robots.txt
域名注册
网站设计
SEO按天计费

今标网络 Copyright © 2012-2019 All Rights Reserved.未经许可,不可拷贝或镜像 备案号:沪ICP备16009217号   微信图片_20190830163302.png 沪公网安备:31010702005298   网站地图    代理商查询    君搜宝    

  • QQ
  • 电话
  • 首页
  • 留言
  • 返回顶部