如何使用robots.txt

如何使用robots.txt

發表者： 馬超， 石仁赫

robots.txt文件對抓取網路的搜索引擎漫遊器（稱為漫遊器）進行限制。這些漫遊器是自動的，在它們訪問網頁前會查看是否存在限制其訪問特定網頁的robots.txt文件。如果你想保護網站上的某些內容不被搜索引擎收入的話，robots.txt是一個簡單有效的工具。這裡簡單介紹一下怎麼使用它。

如何放置Robots.txt文件

robots.txt自身是一個文本文件。它必須位於域名的根目錄中並 被命名為"robots.txt"。位於子目錄中的 robots.txt文件無效，因為漫遊器只在域名的根目錄中查找此文件。例如，http://www.example.com/robots.txt是有效位置，http://www.example.com/mysite/robots.txt 則不是。

這裡舉一個robots.txt的例子:
User-agent: *

Disallow: /cgi-bin/

Disallow: /tmp/

Disallow: /~name/
使用 robots.txt 文件攔截或刪除整個網站


要從搜索引擎中刪除您的網站，並防止所有漫遊器在以後抓取您的網站，請將以下 robots.txt 文件放入您伺服器的根目錄：
User-agent: *
Disallow: /
要只從 Google 中刪除您的網站，並只是防止 Googlebot 將來抓取您的網站，請將以下 robots.txt 文件放入您伺服器的根目錄：User-agent: Googlebot
Disallow: /

每個埠都應有自己的 robots.txt 文件。尤其是您通過 http 和 https 託管內容的時候，這些協議都需要有各自的robots.txt 文件。例如，要讓 Googlebot 只為所有的 http 網頁而不為 https 網頁編製索引，應使用下面的robots.txt 文件。


對於 http 協議 (http://yourserver.com/robots.txt):
User-agent: *
Allow: /

對於 https 協議 (https://yourserver.com/robots.txt):
User-agent: *
Disallow: /

允許所有的漫遊器訪問您的網頁 User-agent: *
Disallow:
(另一種方法: 建立一個空的 "/robots.txt" 文件, 或者不使用robot.txt。)

使用 robots.txt 文件攔截或刪除網頁
您可以使用 robots.txt 文件來阻止 Googlebot 抓取您網站上的網頁。 例如，如果您正在手動創建 robots.txt文件以阻止 Googlebot 抓取某一特定目錄下（例如，private）的所有網頁，可使用以下 robots.txt 條目：
User-agent: Googlebot
Disallow: /private要阻止 Googlebot 抓取特定文件類型（例如，.gif）的所有文件，可使用以下 robots.txt 條目：User-agent: Googlebot
Disallow: /*.gif$要阻止 Googlebot 抓取所有包含 ? 的網址（具體地說，這種網址以您的域名開頭，後接任意字元串，然後是問號，而後又是任意字元串），可使用以下條目：User-agent: Googlebot
Disallow: /*?
儘管我們不抓取被 robots.txt攔截的網頁內容或為其編製索引，但如果我們在網路上的其他網頁中發現這些內容，我們仍然會抓取其網址並編製索引。因此，網頁網址及其他公開的信息，例如指向該網站的鏈接中的定位文字，有可能會出現在 Google 搜索結果中。不過，您網頁上的內容不會被抓取、編製索引和顯示。


作為網站管理員工具的一部分，Google提供了robots.txt分析工具。它可以按照 Googlebot 讀取 robots.txt 文件的相同方式讀取該文件，並且可為 Google user-agents（如 Googlebot）提供結果。我們強烈建議您使用它。 在創建一個robots.txt文件之前，有必要考慮一下哪些內容可以被用戶搜得到，而哪些則不應該被搜得到。 這樣的話，通過合理地使用robots.txt, 搜索引擎在把用戶帶到您網站的同時，又能保證隱私信息不被收錄。

Tags: