08
2018
05

robots.txt文件说明

robot_百度翻译

robot[ˈrəʊbɒt][ˈroʊbɑ:t]
n.机器人; 遥控装置; 自动机; 机械呆板的人;

[例句]They have docked a robot module alongside the orbiting space station


           

            他们已经将一个自动操作舱与沿轨道运行的空间站并行对接上了。

[其他]复数:robots

牛津词典 柯林斯词典 双语例句 英英释义

fanyi.baidu.com 

以上内容复制自百度,是robot单词的释义及例句,而robots协议,下述内容摘自百度百科

Robots协议(也称为爬虫协议、机器人协议等)的全称是“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。

功能

Robots协议用来告知搜索引擎哪些页面能被抓取,哪些页面不能被抓取;可以屏蔽一些网站中比较大的文件,如:图片,音乐,视频等,节省服务器带宽;可以屏蔽站点的一些死链接。方便搜索引擎抓取网站内容;设置网站地图连接,方便引导蜘蛛爬取页面。

文件写法

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

制作robots.txt文件的方法也很简单,可以访问http://tool.chinaz.com/robots/,勾选所需内容就可以生成txt的文本内容。

最后所需要做的工作就是把robots.txt文件放到网站空间的根目录下即可。

打赏
« 上一篇 下一篇 »

发表评论:

◎欢迎参与讨论,请在这里发表您的看法、交流您的观点。