robots.txt文件存在有什么必要？

发布者: 八维 | 1435 次阅读

FIRST:在网站建设完成后，搜索引擎会不定期的来抓取文件，但有时你不希望你的一些文件被抓取，那你就必须设置robots这个文件。或者你也可以告诉搜索引擎你那些页面要被收录

首先先了解什么是robots.txt文件?

搜索引擎机器人通过链接抵达互联网上的每个网页，并抓取网页信息。搜索引擎机器人在访问一个网站时，会首先检查该网站的根目录下是否有一个叫做robots.txt的纯文本文件。当我们的网站有一些内容不想被搜索引擎收录，我们可以通过设置robots.txt文件告知搜索引擎机器人。

如果网站上没有禁止搜索引擎收录的内容，则不用设置robots.txt文件，或设置为空。

从SEO的角度，robots.txt文件是一定要设置的，原因：网站上经常存在这种情况：不同的链接指向相似的网页内容。这不符合SEO上讲的“网页内容互异性原则”。

采用robots.txt文件可以屏蔽掉次要的链接。

网站改版或URL重写优化时原来不符合搜索引擎友好的链接需要全部屏蔽掉。采用robots.txt文件删除旧的链接符合搜索引擎友好。

下面统计一些robots.txt文件写法

User-agent: * 这里的*代表的所有的搜索引擎种类，*是一个通配符

Disallow: /bw1987/ 这里定义是禁止爬寻bw1987目录下面的目录

Disallow: /bw1987/*.htm 禁止访问/ bw1987/目录下的所有以".htm"为后缀的URL(包含子目录)。

Disallow: /*?* 禁止访问网站中所有包含问号 (?) 的网址

Disallow: /.jpg$ 禁止抓取网页所有的.jpg格式的图片

Allow: /bw1987/　这里定义是允许爬寻bw1987目录下面的目录

Allow: /tmp 这里定义是允许爬寻tmp的整个目录

Allow: .htm$ 仅允许访问以".htm"为后缀的URL。

Allow: .gif$ 允许抓取网页和gif格式图片

Sitemap: 网站地图告诉爬虫这个页面是网站地图

robots