Netscape Googlebot
Infoseek Infoseek
User-agent: *
。
meta是网页html文件的head标签里面的标签内容。它规定了此html文件对与搜索引擎的抓取规则。与robot.txt不同,它只针对写在此html的文件。
Robots.txt文件是网站的一个文件,它是给搜索引擎蜘蛛看的。搜索引擎蜘蛛爬行道我们的网站首先就是抓取这个文件,根据里面的内容来决定对网站文件访问的范围。它能够保护我们的一些文件不暴露在搜索引擎之下,从而有效的控制蜘蛛的爬取路径,为我们站长做好seo创造必要的条件。尤其是我们的网站刚刚创建,有些内容还不完善,暂时还不想被搜索引擎收录时。
注:允许收录优先级要高于禁止收录。
noindex - 阻止页面被列入索引。
robots.txt也可用在某一目录中。对这一目录下的文件进行搜索范围设定。
2)Disallow键
Goto Slurp
二、robots基本概念
Disallow:
该键用来说明不允许搜索引擎蜘蛛抓取的URL路径。
Fast Fast
robots.txt和mtea robots的内容就介绍到这里,相信大家对robot已经有了比较详细的了解。使用好robots对于我们网站的seo有着重要作用,做的好,可以有效的屏蔽那些我们不想让搜索引擎抓取的页面,也就是对用户体验不高的页面,从而将有利于关键词排名的内页充分展示个客户,获得搜索引擎对站内页面的权重,从而有利于我们将关键词排名做的更好。
Yahoo Web Pages Googlebot
其他很多情况呢,需要具体情况具体分析。只要你了解了这些语法规则以及通配符的使用,相信很多情况是可以解决的。
五、meta robots标签
一、搜索引擎和其对应的User-Agent
表示允许所有搜索引擎蜘蛛来爬行抓取。如果只想让某一个搜索引擎蜘蛛来爬行,在后面列出名字即可。如果是多个,则重复写。
代表任意多个字符
User-Agent: *
Disallow:
User-agent: *
Allow键
Excite ArchitextSpider
该键说明允许搜索引擎蜘蛛爬行的URL路径
User-agent: Baiduspider
我希望a目录下只有b.htm允许访问,怎么写?
User-agent: Baiduspider
例7. 禁止访问网站中所有的动态页面
例如:Disallow: /?$ 网站所有以?结尾的文件被禁止。
四、robots.txt实例分析
Iwon Slurp
DirectHit Grabber
站长的工作是设计精美的网站,为大众展现网站丰富多彩的内容。当然,我们也希望精心设计的网站获得理想的排名,这就要求我们去研究搜索引擎排名规律,最大程度的获得机会展现给客户。然而,搜索引擎种类很多,有时候,我们对某一种搜索引擎的排名很好,却在另外的搜索引擎上面获得不到一样的排名,原因是各个搜索引擎规则不一样。为此,外贸网站优化,,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。
1) User-Agent键
注意事项:1)三个目录要分别写。2)请注意最后要带斜杠。3)带斜杠与不带斜杠的区别。
在谷歌站长工具中,添加网站后使用左侧的抓取工具的权限,就可以对网站的robots进行测试了。
Disallow: /*.jpeg$
baidu Baiduspider
表示以前面字符结束的url。
Disallow: /*.png$
Looksmart Web Pages Slurp
MSN Slurp
例如:Allow: /index.php 允许网站的index.php
Disallow: /data/
noodp - 在搜索结果中不使用Open Directory Project中的描述信息作为其摘要信息。
Lycos Lycos
User-agent: *
noarchive - 不保存该页面的网页快照。
Disallow: /tmp/
当需要完全屏蔽文件时,需要配合meta的robots属性。
那么,目前有哪些搜索引擎和其对应的User-Agent呢?下面,我列出了一些,以供参考。
注意:User-Agent:后面要有一个空格。
Hotbot Slurp
几点注意:
Allow: /a/b.htm
Google Googlebot
从例7开始说明通配符的使用。通配符包括("contentquot; 结束符;"*"任意符)
User-agent: *
网站必须要有一个robot.txt文件。
Disallow: /
内容项的基本格式:键: 值对。
通配符*
Disallow: /
例2. 允许所有的搜索引擎访问网站的任何部分
Disallow: /*?*
在robots.txt中,键后面加:号,后面必有一个空格,和值相区分开。
例1. 禁止所有搜索引擎访问网站的任何部分
WebCrawler ArchitextSpider
结束符$
NorthernLight Gulliver
nosnippet - 不在搜索结果中显示该页面的摘要信息,同时不保存该页面的网页快照。
后面的内容对应的是各个具体的搜索引擎爬行器的名称。如百度是Baiduspider,谷歌是Googlebot。
例8. 禁止搜索引擎抓取网站上所有图片
Disallow: /*.bmp$
例3. 仅禁止Baiduspider访问您的网站
三、robots.txt的基本语法
AltaVista Scooter
…里面的内容列出如下
例如:Disallow: /index.php 禁止网站index.php文件
例如:Disallow: /*.jpg 网站所有的jpg文件被禁止了。
六、robots的测试
User-agent: *
Disallow: /a/
Disallow: /*.gif$
User-agent: *
文件名是小写字母。
nofollow - 阻止对于页面中任何超级链接进行索引。
Disallow: /cgi-bin/
搜索引擎 User-Agent
例6. 允许访问特定目录中的部分url
例5. 禁止spider访问特定目录
Disallow: /*.jpg$
一般我们这样写:
AOL Search Slurp
例4. 仅允许Baiduspider访问您的网站
写法: