Robots.txt协议的写法及屏蔽文件

　　网站的robots.txt文件设置是不是合理，哪些文件或许目录需求屏蔽、哪些设置办法对网站运营有优点?有人复制出相同的内容以应付不同搜索引擎的排名规则。然而，一旦搜索引擎发现站内有大量“克隆”的页面，就会给以惩罚，不收录这些重复的页面。

　　另一方面，我们网站的内容属于个人私密文件，不想暴露在搜索引擎中。这时，robot.txt就是为了解决这两个问题。

　　一、什么是robots.txt?

　　robots.txt 是网站和搜索引擎的协议的纯文本文件。当一个搜索引擎蜘蛛来访问站点时，它首先爬行来检查该站点根目录下是否存在robots.txt，

　　如果存在，根据文件内容来确定访问范围，如果没有，蜘蛛就沿着链接抓取。robots.txt 放在项目的根目录下。

　　二、 robots.txt基本语法：

　　1) 、允许所有搜索引擎访问网站的所有部分

　　robots.txt写法如下：

　　User-agent: *

　　Disallow:

　　或者

　　User-agent: *

　　Allow: /

　　注意： 1. 全国个英文要大写，冒号是英文状态下，冒号后面有一个空格，这几点一定不能写错。

　　2) 、禁止所有搜索引擎访问网站的所有部分

　　robots.txt写法如下：

　　User-agent: *

　　Disallow: /

　　3) 、只需要禁止蜘蛛访问某个目录，比如禁止admin、css、images等目录被索引

　　robots.txt写法如下：

　　User-agent: *

　　Disallow: /css/

　　Disallow: /admin/

　　Disallow: /images/

　　注意：路径后面有斜杠和没有斜杠的区别：比如Disallow: /images/ 有斜杠是禁止抓取images整个文件夹，Disallow: /images 没有斜杠意思是凡是路径里面有/images关键词的都会被屏蔽

　　4)、屏蔽一个文件夹/templets，但是又能抓取其中一个文件的写法:/templets/main

　　robots.txt写法如下：

　　User-agent: *

　　Disallow: /templets

　　Allow: /main

　　5)、 禁止访问/html/目录下的所有以”.php”为后缀的URL(包含子目录)

　　robots.txt写法如下：

　　User-agent: *

　　Disallow: /html/*.php

　　6)、 仅允许访问某目录下某个后缀的文件,则使用“$”

　　robots.txt写法如下：

　　User-agent: *

　　Allow: .html$

　　Disallow: /

　　7)、禁止索引网站中所有的动态页面

　　比如这里限制的是有“?”的域名，例如index.php?id=1

　　robots.txt写法如下：

　　User-agent: *

　　Disallow: /*?*

　　8)、 禁止搜索引擎抓取我们网站上的所有图片(如果你的网站使用其他后缀的图片名称，在这里也可以直接添加)

　　有些时候，我们为了节省服务器资源，需要禁止各类搜索引擎来索引我们网站上的图片，这里的办法除了使用“Disallow: /images/”这样的直接屏蔽文件夹的方式之外，还 可以采取直接屏蔽图片后缀名的方式。

　　robots.txt写法如下：

　　User-agent: *

　　Disallow: .jpg$

　　Disallow: .jpeg$

　　Disallow: .gif$

　　Disallow: .png$

　　Disallow: .bmp$

　　三、写robots.txt要注意的地方：

　　1)、 全国个英文要大写，冒号是英文状态下，冒号后面有一个空格，这几点一定不能写错。

　　2.)、斜杠：/ 代表整个网站

　　3)、如果“/”后面多了一个空格，则屏蔽整个网站

　　4)、不要禁止正常的内容

　　5)、生效时间是几天到两个月

　　四、robots.txt文件对网站优化有什么作用?

　　1、疾速增加网站权重和拜访量;

　　2、制止某些文件被查找引擎索引，能够节约服务器带宽和网站拜访速度;

　　3、为查找引擎供给一个简洁明了的索引环境

　　五、哪些网站的目录需求运用robots.txt文件制止抓取?

　　1)、图像目录

　　图像是构成网站的首要组成元素。跟着现在建站越来越便利，许多cms的呈现，真实做到了会打字就会建网站，而正是由于如此便利，网上呈现了许多的同质化模板网站，被重复运用，这样的网站查找引擎是必定不喜爱的，就算是你的网站被录入了，那你的作用也是很差的。若是你非要用这种网站的话，主张你大概在robots.txt文件中进行屏蔽，一般的网站图像目录是：imags 或许 img;

　　2)、网站模板目录

　　cms的强大和灵敏，也致使了许多同质化的网站模板的呈现和乱用，高度的重复性模板在查找引擎中形成了一种冗余，且模板文件常常与生成文件高度类似，相同易形成相同内容的呈现。对查找引擎很不友爱，严峻的直接被查找引擎打入冷宫，不得翻身，许多cms有具有独立的模板寄存目录，因而，大概进行模板目录的屏蔽。一般模板目录的文件目录是：templets

　　3)、css、js目录的屏蔽

　　css目录文件在查找引擎的抓取中没有用途，也无法供给有价值的信息。所以强烈主张在robots.txt文件中将其进行屏蔽，以进步查找引擎的索引质量。为查找引擎供给一个简洁明了的索引环境更易晋升网站友爱性。css款式的目录一般情况下是：css 或许 style，

　　js文件在查找引擎中无法进行辨认，这里仅仅主张，能够对其进行屏蔽，这样做也有一个优点：为查找引擎供给一个简洁明了的索引环境;

　　4)、屏蔽双页面的内容

　　这里拿dedecms来举例吧。dedecms能够运用静态和动态url进行同一篇内容的拜访，若是你生成全站静态了，那你有必要屏蔽动态地址的url连接。

　　这里有两个优点：

　　①、查找引擎对静态的url比动态的url更友爱、更简单录入;

　　②、避免静态、动态url能拜访同一篇文章而被查找引擎判为重复内容。这样做对查找引擎友爱性来说是有益无害的。

　　5)、模板缓存目录

　　许多cms程序都有缓存目录，这种缓存目录的优点我想不用说我们也明白了吧，能够十分有用的晋升网站的拜访速度，削减网站带宽，对用户体会也是极好的。不过，这样的缓存目录也有必定的缺陷，那就是会让查找引擎进行重复的抓取，一个网站中内容重复也是大祭，对网站百害而无一利。许多运用cms建站的兄弟都没有注意到，有必要要导致注重。

　　6)、被删去的目录

　　死链过多，对查找引擎优化来说，是丧命的。不能不导致站长的高度注重，。在网站的开展过程中，目录的删去和调整是不可避免的，若是你的网站当时目录不存在了，那有必要对此目录进行robots屏蔽，并回来正确的404过错页面。

　　这里有一个争议性的疑问，关于网站后台办理目录是不是需求进行屏蔽，其实这个可有可无。在能确保网站安全的情况下，若是你的网站运营规划较小，就算网站目录呈现在robots.txt文件中，也没有多大疑问，这个我也见过许多网站这样设置的;但若是你的网站运营规划较大，对手过多，强烈主张千万别呈现网站后台管理目录的信息，以防被心怀叵测的人使用，危害你的利益;引擎越来越智能，关于网站的管理目录仍是能极好的辨认，并抛弃索引的。别的，我们在做网站后台的时分，也能够在页面元标签中增加：进行查找引擎的屏蔽抓取。