robots.txt文件,robots协议,robots.txt有什么作用 robots其实就是指Robots协议，Robots协议（也称为爬虫协议、机器人协议等）的全称是“网络爬虫消除标准”（Robots Exclusion Protocol），网站通过Robots协议告诉搜索引擎哪些页面可以抓取，哪些页面不能抓取。而承载这些协议的文件就是robots.txt文件，那么robots.txt文件到底有啥用途，robots协议应该怎么写，有哪些注意事项，笔者在本文将详细跟大家介绍。一、robots.txt文件的含义，robots.txt有什么作用前面有提到，这个文本文件承载着robots协议，它告诉所有搜索引擎本网站哪些页面可以被抓取，哪些页面制止抓取。这样做有两方面的意义：1.掩护隐私。有些页面信息不想或者说不能让外界看到，单搜索引擎并不知道这些情况，它还是会照常抓取、展示。如果我们通过设置robots做了限制，搜索引擎蜘蛛就会舍弃抓取，外界就不能通过搜索引擎了解到这些隐秘信息。2.调节页面抓取量。我们都知道每个网站蜘蛛抓取的配额都是有限的，如果我们通过robots.txt文件制止一些不重要的页面被抓取，那么就节省了配额，让那些重要的页面得到更多的抓取机会。二、robots.txt文件的写法robots协议针对的就是答应或者不答应，另外也可以设置具体的搜索引擎，笔者认为正常情况下不用去区分搜索引擎，统一设置即可。1. 制止所有搜索引擎访问网站User-agent: *Disallow: /2. 答应所有搜索引擎访问网站User-agent: *Allow: /这是最基本的用法，robots协议的用法还有很多技术，笔者建议大家去仔细阅读robots协议。三、robots.txt文件相关注意事项有朋友说我的网站没有什么要制止抓取的，你就不要设置robots.txt文件了吧，理论上行得通。不过，笔者建议，即便全部开放也最好设置一个robots文件，如本站的文件：http://www.tangmengyun.com/robots.txt。PS：关注过本网站的朋友应该有印象，笔者说过本站是11月6号才有正式有蜘蛛抓取，为什么之前几天没有呢，问题就出在robots文件上！之前本站并没有设置这个文件，持续3天都没有蜘蛛抓取，笔者再三检查也没有发现有限制的地方，最后意识可能是robots的问题。在设置了robots.txt文件以后，当天便有蜘蛛正常抓取了。四、robots.txt文件的位置放在网站根目录下，在链接url的显示就是：http://www.abc.com/robots.txt，其中www.abc.com就是网站域名。五、robots文件生成有朋友提到有没有直接生产robots文件的工具，笔者认为这完全没有必要，robots文件应该手动去具体设置，这样才干发挥robots.txt文件最大的作用。本文只是对robots.txt文件做了大体意义上的讲解，更多robots协议请参考百度百科资料https://baike.baidu.com/item/robots%E5%8D%8F%E8%AE%AE/2483797。 -->robots协议
发布评论取消回复