SEO实战派技术教程:教你玩转robots协议

编辑:北京SEO实战派- -人气:

SEO实战派技术教程:教你玩转robots协议

robots爬虫协议,相信很多SEOer或个人站长都不会感到陌生,即使刚入行的SEO小白也略有耳闻。对于SEO小白来说,只是听过robots爬虫协议并不了解robots协议真正意义和用法。今天SEO实战派就来带大家一探究竟,并教你玩转robots协议。
robots文件
 
什么是robots协议
robots(中文翻译为机器人),robots协议即搜索引擎爬虫协议,它是搜索引擎爬虫与网站站点沟通的“桥梁”。网站站点通过robots文件中的声明规则明确告知搜索引擎爬虫哪些文件/目录可以抓取,哪些文件/目录不可以抓取。
注意:如果网站站点存在不希望搜索引擎爬虫抓取收录的内容是,才有必要创建robots.txt文件;如果您希望搜索引擎收录网站上所有内容,则无需建立robots.txt文件。
robots.txt文件的存放位置
  通常,网站的robots.txt文件放置在网站根目录下,便于搜索引擎爬虫第一时间抓取该文件。
robots.txt文件格式
1、robots文件通常包含以一条或多条User-agent开始,后面加上若干条Disallow或Allow。
2、User-agent:用来描述搜索引擎robot的名字。
3、如果存在多条User-agent记录说明有多个robot会受到"robots.txt"的限制,至少要有一条User-agent记录。
4、如果User-agent的值设为*,则对任何robot均有效,且"User-agent:*"这样的记录只能有一条。
5、如果有"User-agent:SomeBot"和若干Disallow、Allow行,那么搜索引擎爬虫名为"SomeBot"只受到"User-agent:SomeBot"后面的 Disallow和Allow行的限制。
6、Disallow:用来描述不希望被访问的一组URL。
7、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。
8、比如:"Disallow:/help"这条规则表示的是禁止robot访问/help.html、/helpabc.html、/help/index.html等。
9、比如:"Disallow:/help/"这条规则表示的是允许robot访问/help.html、/helpabc.html,不能访问/help/index.html。
10、"Disallow:"说明允许robot访问该网站的所有url,robots.txt文件中,至少要有一条Disallow记录。
11、如果网站根目录下robots.txt不存在或者为空文件,则对于所有的搜索引擎爬虫来说,该网站都是开放的。
12、Allow:用来描述希望被访问的一组URL。
13、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。
14、比如:"Allow:/hibaidu"这条规则表示的是允许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。
15、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,"$" 匹配行结束符)。
SEO实战派如何玩转robots协议
1、禁止所有搜索引擎爬虫访问网站的任何内容
  User-agent: *
  Disallow: /
2、允许所有搜索引擎爬虫访问网站的任何内容
  User-agent: *
  Allow: /
3、仅禁止baidu搜索引擎爬虫访问网站的任何内容
  User-agent: Baiduspider
  Disallow: /
  User-agent: *
  Allow: /
4、仅允许baidu搜索引擎爬虫访问网站的任何内容
  User-agent: Baiduspider
  Allow: /
  User-agent: *
  Disallow: /
5、仅允许baidu及google爬虫访问网站的任何内容
  User-agent: Baiduspider
  Allow: /
  User-agent: Googlebot
  Allow: /
  User-agent: *
  Disallow: /
6、仅允许baidu及360搜索引擎爬虫访问网站内容,并且禁止抓取所有图片和php网页内容
  User-agent: Baiduspider
  Allow: /
  Disallow: /*.jpg$
  Disallow: /*.jpeg$
  Disallow: /*.png$
  Disallow: /*.gif$
  Disallow: /*.bmp$
  Disallow: /*.php$
  User-agent: 360Spider
  Allow: /
  Disallow: /*.jpg$
  Disallow: /*.jpeg$
  Disallow: /*.png$
  Disallow: /*.gif$
  Disallow: /*.bmp$
  Disallow: /*.php$
  User-agent: *
  Disallow: /
  其他的robots爬虫协议规则,seo实战派就不在这里给大家一一举例了。大家可以自己去练习并理解,robots爬虫协议也是很重要的。

99%的人还阅读了:

本文标题:SEO实战派技术教程:教你玩转robots协议

本文链接:http://www.nplstu.com/jishu/324.html

回到顶部