源于生活

标题: robots.txt写法大全&实例 [打印本页]
作者: kevin-ying    时间: 2014-6-29 03:33
标题: robots.txt写法大全&实例
  1. robots.txt写法大全和robots.txt语法的作用
  2. 1如果允许所有搜索引擎访问网站的所有部分的话 我们可以建立一个空白的文本文档，命名为robots.txt放在网站的根目录下即可。
  3. robots.txt写法如下：
  4. User-agent: *
  5. Disallow:
  6. 或者
  7. User-agent: *
  8. Allow: /
  9. 2如果我们禁止所有搜索引擎访问网站的所有部分的话
  10. robots.txt写法如下：
  11. User-agent: *
  12. Disallow: /
  13. 3如果我们需要某一个搜索引擎的抓取的话，比如百度，禁止百度索引我们的网站的话
  14. robots.txt写法如下：
  15. User-agent: Baiduspider
  16. Disallow: /
  17. 4如果我们禁止Google索引我们的网站的话，其实跟示例3一样，就是User-agent:头文件的蜘蛛名字改成谷歌的Googlebot
  18. 即可
  19. robots.txt写法如下：
  20. User-agent: Googlebot
  21. Disallow: /
  22. 5如果我们禁止除Google外的一切搜索引擎索引我们的网站话
  23. robots.txt写法如下：
  24. User-agent: Googlebot
  25. Disallow:
  26. User-agent: *
  27. Disallow: /
  28. 6如果我们禁止除百度外的一切搜索引擎索引我们的网站的话
  29. robots.txt写法如下：
  30. User-agent: Baiduspider
  31. Disallow:
  32. User-agent: *
  33. Disallow: /
  34. 7如果我们需要禁止蜘蛛访问某个目录，比如禁止admin、css、images等目录被索引的话
  35. robots.txt写法如下：
  36. User-agent: *
  37. Disallow: /css/
  38. Disallow: /admin/
  39. Disallow: /images/
  40. 8如果我们允许蜘蛛访问我们网站的某个目录中的某些特定网址的话
  41. robots.txt写法如下：
  42. User-agent: *
  43. Allow: /css/my
  44. Allow: /admin/html
  45. Allow: /images/index
  46. Disallow: /css/
  47. Disallow: /admin/
  48. Disallow: /images/
  49. 9我们看某些网站的robots.txt里的Disallow或者Allow里会看很多的符号，比如问号星号什么的，如果使用“*”，主要是限制访问某个后缀的域名，禁止访问/html/目录下的所有以".htm"为后缀的URL(包含子目录)。
  50. robots.txt写法如下：
  51. User-agent: *
  52. Disallow: /html/*.htm
  53. 10如果我们使用“$”的话是仅允许访问某目录下某个后缀的文件
  54. robots.txt写法如下：
  55. User-agent: *
  56. Allow: .asp$
  57. Disallow: /

  59. 11如果我们禁止索引网站中所有的动态页面（这里限制的是有“?”的域名，例如index.asp?id=1）
  60. robots.txt写法如下：
  61. User-agent: *
  62. Disallow: /*?*
  63. 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。
  64. 示例12
  65. 如果我们禁止Google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)
  66. robots.txt写法如下：
  67. User-agent: Googlebot
  68. Disallow: .jpg$
  69. Disallow: .jpeg$
  70. Disallow: .gif$
  71. Disallow: .png$
  72. Disallow: .bmp$
  73. 13如果我们禁止百度搜索引擎抓取我们网站上的所有图片的话
  74. robots.txt写法如下：
  75. User-agent: Baiduspider
  76. Disallow: .jpg$
  77. Disallow: .jpeg$
  78. Disallow: .gif$
  79. Disallow: .png$
  80. Disallow: .bmp$
  81. 14除了百度之外和Google之外，禁止其他搜索引擎抓取你网站的图片
  82. (注意，在这里为了让各位看的更明白，因此使用一个比较笨的办法——对于单个搜索引擎单独定义。)
  83. robots.txt写法如下：
  84. User-agent: Baiduspider
  85. Allow: .jpeg$
  86. Allow: .gif$
  87. Allow: .png$
  88. Allow: .bmp$
  89. User-agent: Googlebot
  90. Allow: .jpeg$
  91. Allow: .gif$
  92. Allow: .png$
  93. Allow: .bmp$
  94. User-agent: *
  95. Disallow: .jpg$
  96. Disallow: .jpeg$
  97. Disallow: .gif$
  98. Disallow: .png$
  99. Disallow: .bmp$

  101. 15仅仅允许百度抓取网站上的“JPG”格式文件
  102. （其他搜索引擎的办法也和这个一样，只是修改一下搜索引擎的蜘蛛名称即可）
  103. robots.txt写法如下：
  104. User-agent: Baiduspider
  105. Allow: .jpg$
  106. Disallow: .jpeg$
  107. Disallow: .gif$
  108. Disallow: .png$
  109. Disallow: .bmp$
  110. 16仅仅禁止百度抓取网站上的“JPG”格式文件
  111. robots.txt写法如下：
  112. User-agent: Baiduspider
  113. Disallow: .jpg$
  114. 17如果 ? 表示一个会话 ID，您可排除所有包含该 ID 的网址，确保 Googlebot 不会抓取重复的网页。但是，以 ? 结尾的网址可能是您要包含的网页版本。在此情况下，沃恩可将与 Allow 指令配合使用。
  115. robots.txt写法如下：
  116. User-agent:*
  117. Allow:/*?$
  118. Disallow:/*?
  119. Disallow:/ *?
  120. 一行将拦截包含 ? 的网址（具体而言，它将拦截所有以您的域名开头、后接任意字符串，然后是问号 (?)，而后又是任意字符串的网址）。Allow:  /*?$ 一行将允许包含任何以 ? 结尾的网址（具体而言，它将允许包含所有以您的域名开头、后接任意字符串，然后是问号  (?)，问号之后没有任何字符的网址）。

  122. 18如果我们想禁止搜索引擎对一些目录或者某些URL访问的话，可以截取部分的名字
  123. robots.txt写法如下：
  124. User-agent:*
  125. Disallow: /plus/feedback.php?
  126. 供大家参考下即可。
复制代码


作者: kevin-ying    时间: 2014-7-28 04:29
一下我们介绍一下常见搜索引擎爬虫蜘蛛（spider）的名称。

Googlebot：Google对一般网页的索引蜘蛛
Googlebot-Mobile：Google对于移动设备，例如手机网页的索引蜘蛛
Googlebot-Image：Google专门用来抓取图片的蜘蛛
Mediapartners-Google：这是Google专门为放置了Google Adsense广告联盟代码的网站使用的专用蜘蛛，只有网站放置了Google Adsense代码的情况下，Google才会使用这个蜘蛛。该蜘蛛的作用是专门抓取Adsense广告内容。
Adsbot-Google：这是Google专门为Google Adwords客户设计的蜘蛛，如果客户使用了Google的Adwords服务，那么Google就会派出这个蜘蛛来衡量放置了客户广告的网站的质量。
Baiduspider：百度的综合索引蜘蛛。
Yahoo! Slurp：雅虎的综合索引蜘蛛。
Yahoo!-AdCrawler： 雅虎专门为YAHOO!搜索引擎广告开发的专用蜘蛛。
YodaoBot：网易有道搜索引擎综合索引蜘蛛。
Sosospider：腾讯SOSO综合索引蜘蛛。
sogou spider：搜狗综合索引蜘蛛。
MSNBot：Live综合索引蜘蛛。
360Spider   360综合索引蜘蛛。

以上这个表格，是目前国内使用较为频繁的各大搜索引擎爬虫的名称。了解了以上所有的robots.txt规则和蜘蛛的名称后，我们就可以开始撰写第一个robots.txt文档了。





欢迎光临 源于生活 (http://bbs.vingoo.info/) Powered by Discuz! X3.1