Robots内容详细解读

robots.txt是纯文本文件，用于声明网站中不想被蜘蛛抓取的部分，robots不是一个规定,是一种约束

蜘蛛访问网站的时候首先查看的是robots：如果存在就按照robots规则抓取、如果不存在蜘蛛就沿着链接直接爬行

1.robots作用

1.1、防止私密或重要的内容被搜索引擎抓取

1.2、节省服务器资源

1.3、减少重复抓取，提高网站质量

1.4、制定sitemap文件位置

2.写法

该文件放置在文件的根目录下，并且文件名必须小写：http://www.dbgzs.shop/robots.txt

3.语法

3.1、User-agent:

3.1.1、指定哪个搜索引擎蜘蛛：Baiduspider（百度）、Googlebot（谷歌）、Sogouspider（搜狗）

3.1.2、*代码所有搜索引擎

3.2、Allow:表示允许蜘蛛抓取的栏目或文件

3.2.1、Allow:/Web/ 表示允许访问web目录

3.2.2、Allow:/*.htm$ 表示允许访问html文件

3.3、Disallow：禁止抓取栏目或文件
Disallow:/web/：禁止抓取web目录
Disallow:/*.htm$：禁止抓取html文件

Disallow:/ 禁止抓取网站所有内容：
/表示根目录
 

 

4.工具：http://tool.chinaz.com/robots/

5.问题

5.1、如果搜索引擎已经收录了你的网页，这时候你不想让搜索引擎收录网页 咋办？

5.2、robots是不能删除搜索引擎中已经收录的页面

5.3、robots meta标签来解决该问题

6.robots meta标签：针对具体的页面

6.1、语法

6.1.1、<meta name='robots' content='index,follow'/>（<meta name='robots' content='all'/>）：允许搜索引擎抓取页面与页面的链接

<meta name='robots' content='noindex,follow'/>：不允许搜索引擎抓取页面与允许页面的链接

<meta name='robots' content='index,nofollow'/>：允许搜索引擎抓取页面与不允许页面的链接

<meta name='robots' content='noindex,nofollow'/>（<meta name='robots' content='none'/>）：不允许搜索引擎抓取页面与不允许页面的链接

7.解释

index：表示搜索引擎可以抓取该页面

noindex：表示搜索引擎不可以抓取该页面

follow：表示搜索引擎蜘蛛可以爬寻该页面的上的链接

nofollow：表示搜索引擎蜘蛛不可以爬寻该页面的上的链接

提醒：有些时候也友情链接交换可能会被加上nofollow，大家可以查看一下（避免灰帽）