robots里，设了禁止所有蜘蛛访问，可百度蜘蛛还是来了，怎么才能确保禁止如题 谢谢了_百度知道
robots里，设了禁止所有蜘蛛访问，可百度蜘蛛还是来了，怎么才能确保禁止如题 谢谢了
User-agent，百度蜘蛛还是来了？谢谢，可第二天一看log日志，因为一些原因.txt里，可蜘蛛还是来了，不得不在线测试！已设了如下内容，设了禁止所有蜘蛛访问，在robots，请问怎么才能确保禁止蜘蛛访问，返回了200: *Disallow: &#47我新站
提问者采纳
他肯定要进入你的网站才会发现robots文件吧
查看原帖&&
其他类似问题
为您推荐：
百度蜘蛛的相关知识
等待您来回答
下载知道APP
随时随地咨询
出门在外也不愁分享网站SEO优化教程和搜索引擎最新动态
您现在的位置:
怎样写robots文件_robots文件写法技巧_robot.txt的例子作者: admin　发布:
23:42:45　分类: 　阅读: 次　
　　资料一　　1.robots.txt文件是什么　　robots.txt是一个纯文本文件，是搜索引擎中访问网站的时候要查看的第一个文件。robots.txt文件告诉蜘蛛程序在服务器上什么文件是可以被查看的。每个站点最好建立一个robots.txt文件，对seo更友好。每当搜索蜘蛛来寻找并不存在的robots.txt文件时，服务器将在日志中记录一条404错误，所以你应该在网站中添加一个robots.txt（即使这个robots.txt文件只是一个空文件）。　　2.robots.txt的写法（语法）　　1）User-agent: 该项的值用于描述搜索引擎蜘蛛的名字。如果该项的值设为*，则该协议对任何机器人均有效。　　2）Disallow: 该项的值用于描述不希望被访问到的一个URL，一个目录或者整个网站。以Disallow 开头的URL 均不会被搜索引擎蜘蛛访问到。任何一条Disallow 记录为空，说明该网站的所有部分都允许被访问。　　3）用法举例：　　网站目录下所有文件均能被所有搜索引擎蜘蛛访问　　User-agent: *　　Disallow:　　禁止所有搜索引擎蜘蛛访问网站的任何部分　　User-agent: *　　Disallow: /　　禁止所有的搜索引擎蜘蛛访问网站的几个目录　　User-agent: *　　Disallow: /a/　　Disallow: /b/　　禁止搜索引擎蜘蛛访问目录a和目录b　　只允许某个搜索引擎蜘蛛访问　　User-agent: Googlebot　　Disallow:　　您应该限制网站某些文件不被蜘蛛抓取。　　一般网站中不需要蜘蛛抓取的文件有：后台管理文件、程序脚本、附件、数据库文件、编码文件、样式表文件、模板文件、导航图片和背景图片等等。　　3.robots.txt文件带来的风险以及解决　　robots.txt 同时也带来了一定的风险：其也给攻击者指明了网站的目录结构和私密数据所在的位置。设置访问权限，对您的隐私内容实施密码保护，这样，攻击者便无从进入。　　4.常见搜索引擎蜘蛛Robots名字　　Baiduspider ：　　Scooter ：　　ia_archiver： 　　Googlebot ：　　Inktomi Slurp ：　　FAST-WebCrawler： 　　Slurp ：　　MSNBOT ：　　5.注意事项：　　1）robots.txt必须放置在站点的根目录下，而且文件名必须全部小写。　　2）不要在robots.txt文件中设置所有的文件都可以被搜索蜘蛛抓取。　　3）为安全考虑，建议很重要的文件夹不要写在robots.txt文件中，或你只建一个空白robots.txt文件，在不要访问的目录中加入其它的技术（目前还在探索中……）。　　seo会聚网robot.txt文件实例：/robots.txt。　　我们也可以通过Robots META标签来针对一个个具体的页面。关于Robots META标签的详细介绍在Robots META标签用法。　　1.语法：　　&meta name=&robots&content=&搜索方式&&　　2.说明：　　在该语法中，搜索方式的值和其对应的含义如下:　　all:页面将被检索，且页面上的链接可以被查询；　　none:页面不能被检索，且页面上的链接不可以被查询；　　index:页面将被检索，但不设置链接是否可以被查询；　　follow:页面上的链接可以被查询；　　noindex:页面不能被检索，但页面上的链接可以被查询；　　nofollow:页面能被检索，但页面上的链接却不可以被查询。　　3.实例：　　该实例设定网页能被检索，但页面上的链接却不可以被查询，代码如下：　　&html&　　&head&　　&title&限制搜索方式&/title&　　&meta name=&robots&content=&index&&　　&/head&　　&body&&/body&　　&/html&　　资料二　　一．什么是robots.txt文件?　　搜索引擎通过一种程序robot（又称spider），自动访问互联网上的网页并获取网页信息。　　您可以在您的网站中创建一个纯文本文件robots.txt，在这个文件中声明该网站中不想被robot访问的部分，这样，该网站的部分或全部内容就可以不被搜索引擎收录了，或者指定搜索引擎只收录指定的内容。　　二. robots.txt文件放在哪里?　　robots.txt文件应该放在网站根目录下。举例来说，当robots访问一个网站（比如）时，首先会检查该网站中是否存在/robots.txt这个文件，如果机器人找到这个文件，它就会根据这个文件的内容，来确定它访问权限的范围。　　网站 URL 相应的 robots.txt的 URL　　http://www.w3.org/ http://www.w3.org/robots.txt　　http://www.w3.org:80/ http://www.w3.org:80/robots.txt　　http://www.w3.org:1234/ http://www.w3.org:1234/robots.txt　　http://w3.org/??http://w3.org/robots.txt　　三. robots.txt文件的格式　　&robots.txt&文件包含一条或更多的记录，这些记录通过空行分开（以CR,CR/NL, or NL作为结束符），每一条记录的格式如下所示：　　&&field&:&optionalspace&&value&&optionalspace&&。　　在该文件中可以使用#进行注解，具体使用方法和UNIX中的惯例一样。该文件中的记录通常以一行或多行User-agent开始，后面加上若干Disallow行,详细情况如下：　　User-agent:　　该项的值用于描述搜索引擎robot的名字，在&robots.txt&文件中，如果有多条User-agent记录说明有多个robot会受到该协议的限制，对该文件来说，至少要有一条User-agent记录。如果该项的值设为*，则该协议对任何机器人均有效，在&robots.txt&文件中，&User-agent：*&这样的记录只能有一条。　　Disallow :　　该项的值用于描述不希望被访问到的一个URL，这个URL可以是一条完整的路径，也可以是部分的，任何以Disallow 开头的URL均不会被robot访问到。例如&Disallow: /help&对/help.html 和/help/index.html都不允许搜索引擎访问，而&Disallow: /help/&则允许robot访问/help.html，而不能访问/help/index.html。　　任何一条Disallow记录为空，说明该网站的所有部分都允许被访问，在&/robots.txt&文件中，至少要有一条Disallow记录。如果&/robots.txt&是一个空文件，则对于所有的搜索引擎robot，该网站都是开放的。　　四. robots.txt文件用法举例　　例1. 禁止所有搜索引擎访问网站的任何部分　　下载该robots.txt文件　　User-agent: *　　Disallow: /　　例2. 允许所有的robot访问　　(或者也可以建一个空文件 &/robots.txt& file)　　??　　User-agent: *　　Disallow:　　例3. 禁止某个搜索引擎的访问　　User-agent: BadBot　　Disallow: /　　例4. 允许某个搜索引擎的访问　　User-agent: baiduspider　　Disallow:　　User-agent: *　　Disallow: /　　例5. 一个简单例子　　在这个例子中，该网站有三个目录对搜索引擎的访问做了限制，即搜索引擎不会访问这三个目录。　　需要注意的是对每一个目录必须分开声明，而不要写成 &Disallow: /cgi-bin/ /tmp/&。　　User-agent:后的* 具有特殊的含义，代表&any robot&，所以在该文件中不能有&Disallow: /tmp/*& or &Disallow: *.gif&这样的记录出现.　　User-agent: *　　Disallow: /cgi-bin/　　Disallow: /tmp/　　Disallow: /~joe/　　五. robots.txt文件参考资料　　robots.txt文件的更具体设置,请参看以下链接：　　· Web Server Administrator''s Guide to the Robots Exclusion Protocol　　· HTML Author''s Guide to the Robots Exclusion Protocol　　· The original 1994 protocol description, as currently deployed　　· The revised Internet-Draft specification, which is not yet completed or implemented　　在你的主页中为Web Robot设计路标　　Internet越来越酷，WWW的知名度如日中天。在Internet上发布公司信息、进行电子商务已经从时髦演化成时尚。作为一个Web Master，你可能对HTML、java script、Java、 ActiveX了如指掌，但你是否知道什么是Web Robot？你是否知道Web Robot和你所设 计的主页有什么关系？　　Internet上的流浪汉--- Web Robot　　有时你会莫名其妙地发现你的主页的内容在一个搜索引擎中被索引，即使你从未与他 们有过任何联系。其实这正是Web Robot的功劳。Web Robot其实是一些程序，它可以 穿越大量Internet网址的超文本结构，递归地检索网络站点所有的内容。这些程序有时被叫 “蜘蛛（Spider）” ， “网上流浪汉（Web Wanderer）”，“网络蠕虫（web worms）”或Web crawler。一些Internet网上知名的搜索引擎站点（Search Engines）都有专门的Web Robot程序来完成信息的采集，例如Lycos，Webcrawler，Altavista等，以及中文搜索引擎站点例如北极星，网易，GOYOYO等。　　Web Robot就象一个不速之客，不管你是否在意，它都会忠于自己主人的职责，任劳任怨、不知疲倦地奔波于万维网的空间，当然也会光临你的主页，检索主页内容并生成它所需要的记录格式。或许有的主页内容你乐于世人皆知，但有的内容你却不愿被洞察、索引。难道你就只能任其“横行”于自己主页空间，能否指挥和控制Web Robot的行踪呢？答案当然是肯定的。只要你阅读了本篇的下文，就可以象一个交通 警察一样，布置下一个个路标，告诉Web Robot应该怎么去检索你的主页，哪些可以检索，哪些不可以访问。　　其实Web Robot能听懂你的话　　不要以为Web Robot是毫无组织，毫无管束地乱跑。很多Web Robot软件给网络站点的 管理员或网页内容制作者提供了两种方法来限制Web Robot的行踪：　　1、Robots Exclusion Protocol 协议　　网络站点的管理员可以在站点上建立一个专门格式的文件，来指出站点上的哪一部分 可以被robot访问, 这个文件放在站点的根目录下，即robots.txt.& target=&_blank&&http://.../robots.txt.　　2、Robots META tag　　一个网页作者可以使用专门的HTML META tag ，来指出某一个网页是否可以被索 引、分析或链接。　　这些方法适合于大多数的Web Robot，至于是否在软件中实施了这些方法，还依赖于 Robot的开发者，并非可以保证对任何Robot都灵验。如果你迫切需要保护自己内容，则应考虑采用诸如增加密码等其他保护方法。　　使用Robots Exclusion Protocol协议　　当Robot访问一个 Web 站点时，比如http://www./，它先去检查文件robots.txt& target=&_blank&&http://www./robots.txt。如果这个文件存在，它便会按照这样的记录格式去分析：　　User-agent: *　　Disallow: /cgi-bin/　　Disallow: /tmp/　　Disallow: /~joe/　　以确定它是否应该检索站点的文件。这些记录是专门给Web Robot看的，一般的浏览者大概永远不会看到这个文件，所以千万不要异想天开地在里面加入形似&img src=*& 类的HTML语句或是“How do you do? where are you from?”之类假情假意的问候语。　　在一个站点上只能有一个 &/robots.txt& 文件，而且文件名的每个字母要求全部是小 写。在Robot的记录格式中每一个单独的&Disallow&行表示你不希望Robot访问的URL， 每个URL必须单独占一行，不能出现 &Disallow: /cgi-bin/ /tmp/&这样的病句。同时在一个记录中不能出现空行，这是因为空行是多个记录分割的标志。　　User-agent行指出的是Robot或其他代理的名称。在User-agent行，''*'' 表示一个特殊的含义---所有的robot。　　下面是几个robot.txt的例子：　　在整个服务器上拒绝所有的robots：　　User-agent: *　　Disallow: /　　允许所有的robots访问整个站点：　　User-agent: *　　Disallow:　　或者产生一个空的 &/robots.txt& 文件。　　服务器的部分内容允许所有的robot访问　　User-agent: *　　Disallow: /cgi-bin/　　Disallow: /tmp/　　Disallow: /private/　　拒绝某一个专门的robot：　　User-agent: BadBot　　Disallow: /　　只允许某一个robot光顾：　　User-agent: WebCrawler　　Disallow:　　User-agent: *　　Disallow: /　　最后我们给出 http://www.w3.org/站点上的robots.txt：　　# For use by search.w3.org　　User-agent: W3Crobot/1　　Disallow:　　User-agent: *　　Disallow: /Member/ # This is restricted to W3C Members only　　Disallow: /member/ # This is restricted to W3C Members only　　Disallow: /team/ # This is restricted to W3C Team only　　Disallow: /TandS/Member # This is restricted to W3C Members only　　Disallow: /TandS/Team # This is restricted to W3C Team only　　Disallow: /Project　　Disallow: /Systems　　Disallow: /Web　　Disallow: /Team　　使用Robots META tag方式　　Robots META tag 允许HTML网页作者指出某一页是否可以被索引，或是否可以用来查找更多的链接文件。目前只有部分robot实施了这一功能。　　Robots META tag的格式为：　　&META NAME=&ROBOTS& CONTENT=&NOINDEX, NOFOLLOW&&　　象其他的META tag一样，它应该放在HTML文件的HEAD区：　　&html&　　&head&　　&meta name=&robots& content=&noindex,nofollow&&　　&meta name=&description& content=&This page ....&&　　&title&...&/title&　　&/head&　　&body&　　...　　Robots META tag指令使用逗号隔开，可以使用的指令包括 [NO]INDEX 和[NO]FOLLOW。INDEX 指令指出一个索引性robot是否可以对本页进行索引；FOLLOW 指 令指出robot是否可以跟踪本页的链接。缺省的情况是INDEX和FOLLOW。例如：　　&meta name=&robots& content=&index,follow&&　　&meta name=&robots& content=&noindex,follow&&　　&meta name=&robots& content=&index,nofollow&&　　&meta name=&robots& content=&noindex,nofollow&&　　一个好的Web 站点管理员应该将robot的管理考虑在内，使robot为自己的主页服务， 同时又不损害自己网页的安全　　资料三　　什么是robots.txt？　　robots.txt　　robots.txt是搜索引擎中访问网站的时候要查看的第一个文件。robots.txt文件告诉蜘蛛程序在服务器上什么文件是可以被查看的。　　当一个搜索蜘蛛访问一个站点时，它会首先检查该站点根目录下是否存在robots.txt，如果存在，搜索机器人就会按照该文件中的内容来确定访问的范围；如果该文件不存在，所有的搜索蜘蛛将能够访问网站上所有没有被口令保护的页面。百度官方建议，仅当您的网站包含不希望被搜索引擎收录的内容时，才需要使用robots.txt文件。如果您希望搜索引擎收录网站上所有内容，请勿建立robots.txt文件。　　robots.txt必须放置在一个站点的根目录下，而且文件名必须全部小写。　　语法：最简单的 robots.txt 文件使用两条规则：　　o User-Agent: 适用下列规则的漫游器　　o Disallow: 要拦截的网页　　robots.txt在SEO中作用　　在进行网站优化的时候，经常会使用robots文件把一些内容不想让蜘蛛抓取，以前写过一篇网站优化robots.txt文件的运用, 现在写这编文章在补充一点点知识！什么是robots.txt文件　　搜索引擎通过一种爬虫spider程序（又称搜索蜘蛛、robot、搜索机器人等），自动搜集互联网上的网页并获取相关信息。　　鉴于网络安全与隐私的考虑，搜索引擎遵循robots.txt协议。通过根目录中创建的纯文本文件robots.txt，网站可以声明不想被robots访问的部分。每个网站都可以自主控制网站是否愿意被搜索引擎收录，或者指定搜索引擎只收录指定的内容。当一个搜索引擎的爬虫访问一个站点时，它会首先检查该站点根目录下是否存在robots.txt，如果该文件不存在，那么爬虫就沿着链接抓取，如果存在，爬虫就会按照该文件中的内容来确定访问的范围。　　robots.txt必须放置在一个站点的根目录下，而且文件名必须全部小写。robots.txt文件的格式　　User-agent: 定义搜索引擎的类型　　Disallow: 定义禁止搜索引擎收录的地址　　Allow: 定义允许搜索引擎收录的地址　　我们常用的搜索引擎类型有： (User-agent区分大小写)　　google蜘蛛：Googlebot　　百度蜘蛛：Baiduspider　　yahoo蜘蛛：Yahoo!slurp　　alexa蜘蛛：ia_archiver　　bing蜘蛛：MSNbot　　altavista蜘蛛：scooter　　lycos蜘蛛：lycos_spider_(t-rex)　　alltheweb蜘蛛：fast-webcrawler　　inktomi蜘蛛： slurp　　Soso蜘蛛:Sosospider　　Google Adsense蜘蛛:Mediapartners-Google　　有道蜘蛛:YoudaoBot　　robots.txt文件的写法　　User-agent: * 这里的*代表的所有的搜索引擎种类，*是一个通配符　　Disallow: /admin/ 这里定义是禁止爬寻admin目录下面的目录　　Disallow: /require/ 这里定义是禁止爬寻require目录下面的目录　　Disallow: /ABC/ 这里定义是禁止爬寻ABC目录下面的目录　　Disallow: /cgi-bin/*.htm 禁止访问/cgi-bin/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的动态页面　　Disallow: /jpg$ 禁止抓取网页所有的.jpg格式的图片　　Disallow:/ab/adc.html 禁止爬去ab文件夹下面的adc.html文件。　　Allow: /cgi-bin/ 这里定义是允许爬寻cgi-bin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　　robots.txt文件用法举例　　例1. 禁止所有搜索引擎访问网站的任何部分　　User-agent: *　　Disallow: /　　实例分析：淘宝网的 Robots.txt文件　　User-agent: Baiduspider　　Disallow: /　　User-agent: baiduspider　　Disallow: /　　很显然淘宝不允许百度的机器人访问其网站下其所有的目录。　　例2. 允许所有的robot访问 (或者也可以建一个空文件 “/robots.txt” file)　　User-agent: *　　Allow:　　例3. 禁止某个搜索引擎的访问　　User-agent: BadBot　　Disallow: /　　例4. 允许某个搜索引擎的访问　　User-agent: Baiduspider　　allow:/　　例5.一个简单例子　　在这个例子中，该网站有三个目录对搜索引擎的访问做了限制，即搜索引擎不会访问这三个目录。　　需要注意的是对每一个目录必须分开声明，而不要写成 “Disallow: /cgi-bin/ /tmp/”。　　User-agent:后的*具有特殊的含义，代表“any robot”，所以在该文件中不能有“Disallow: /tmp/*” or “Disallow:*.gif”这样的记录出现。　　User-agent: *　　Disallow: /cgi-bin/　　Disallow: /tmp/　　Disallow: /~joe/　　Robot特殊参数：　　允许 Googlebot：　　如果您要拦截除 Googlebot 以外的所有漫游器不能访问您的网页，可以使用下列语法：　　User-agent:　　Disallow:/　　User-agent:Googlebot　　Disallow:　　Googlebot 跟随指向它自己的行，而不是指向所有漫游器的行。　　“Allow”扩展名：　　Googlebot 可识别称为“Allow”的 robots.txt 标准扩展名。其他搜索引擎的漫游器可能无法识别此扩展名，因此请使用您感兴趣的其他搜索引擎进行查找。“Allow”行的作用原理完全与“Disallow”行一样。只需列出您要允许的目录或页面即可。　　您也可以同时使用“Disallow”和“Allow”。例如，要拦截子目录中某个页面之外的其他所有页面，可以使用下列条目：　　User-agent:Googlebot　　Disallow:/folder1/　　Allow:/folder1/myfile.html　　这些条目将拦截 folder1 目录内除 myfile.html 之外的所有页面。　　如果您要拦截 Googlebot 并允许 Google 的另一个漫游器（如 Googlebot-Mobile），可使用”Allow”规则允许该漫游器的访问。例如：　　User-agent:Googlebot　　Disallow:/　　User-agent:Googlebot-Mobile　　Allow:　　使用 * 号匹配字符序列：　　您可使用星号 (*) 来匹配字符序列。例如，要拦截对所有以 private 开头的子目录的访问，可使用下列条目：　　User-Agent:Googlebot　　Disallow:/private*/　　要拦截对所有包含问号 (?) 的网址的访问，可使用下列条目：　　User-agent:*　　Disallow:/*?*　　使用 $ 匹配网址的结束字符　　您可使用 $ 字符指定与网址的结束字符进行匹配。例如，要拦截以 .asp 结尾的网址，可使用下列条目：　　User-agent:Googlebot　　Disallow:/*.asp$　　您可将此模式匹配与 Allow 指令配合使用。例如，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，可对 robots.txt 文件进行如下设置：　　User-agent:*　　Allow:/*?$　　Disallow:/*?　　Disallow:/ *?　　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）。　　Robots Meta标签　　Robots.txt文件主要是限制整个站点或者目录的搜索引擎访问情况，而Robots Meta标签则主要是针对一个个具体的页面。和其他的META标签（如使用的语言、页面的描述、关键词等）一样，Robots Meta标签也是放在页面中，专门用来告诉搜索引擎ROBOTS如何抓取该页的内容。　　Robots Meta标签中没有大小写之分，name=”Robots”表示所有的搜索引擎，可以针对某个具体搜索引擎写为name=”BaiduSpider”。content部分有四个指令选项：index、noindex、follow、nofollow，指令间以“,”分隔。　　index指令告诉搜索机器人抓取该页面；　　follow指令表示搜索机器人可以沿着该页面上的链接继续抓取下去；　　Robots Meta标签的缺省值是index和follow，只有inktomi除外，对于它，缺省值是index、nofollow。　　需要注意的是：　　上述的robots.txt和Robots Meta标签限制搜索引擎机器人（ROBOTS）抓取站点内容的办法只是一种规则，需要搜索引擎机器人的配合才行，并不是每个ROBOTS都遵守的。　　目前看来，绝大多数的搜索引擎机器人都遵守robots.txt的规则，而对于RobotsMETA标签，目前支持的并不多，但是正在逐渐增加，如著名搜索引擎GOOGLE就完全支持，而且GOOGLE还增加了一个指令“archive”，可以限制GOOGLE是否保留网页快照。　　编辑本段robots.txt使用误区　　特别提示：robots里面内容的大小写不可更改，Disallow后面的冒号必须为英文状态的。　　误区一　　网站上所有的文件都需要被蜘蛛抓取，那就没必要添加robots.txt文件了。反正如果该文件不存在，所有的搜索蜘蛛将默认能够访问网站上所有没有被口令保护的页面。　　误区二　　在robots.txt文件中设置所有的文件都可以被搜索蜘蛛抓取，这样可以增加网站的收录率。　　网站中的脚本程序、样式表等文件即使被蜘蛛收录，也不会增加网站的收录率，还只会占用服务器存储空间。因此必须在robots.txt文件里设置不要让搜索蜘蛛索引脚本程序、样式表等文件，具体哪些文件需要排除，在robots.txt使用技巧一文中有详细介绍。　　误区三　　搜索蜘蛛抓取网页太浪费服务器资源，在robots.txt文件中设置所有的搜索蜘蛛都不能抓取全部的网页。　　如果这样的话，会导致整个网站不能被搜索引擎收录。　　编辑本段robots.txt使用技巧　　文件　　1. 每当用户试图访问某个不存在的URL时，服务器都会在日志中记录404错误（无法找到文件）。每当搜索蜘蛛来寻找并不存在的robots.txt文件时，服务器也将在日志中记录一条404错误，所以你应该在网站中添加一个robots.txt。　　2. 网站管理员必须使蜘蛛程序远离某些服务器上的目录——保证服务器性能。比如：大多数网站服务器都有程序储存在“cgi-bin”目录下，因此在robots.txt文件中加入“Disallow: /cgi-bin/”是个好主意，这样能够避免将所有程序文件被蜘蛛索引，可以节省服务器资源。一般网站中不需要蜘蛛抓取的文件有：后台管理文件、程序脚本、附件、数据库文件、编码文件、样式表文件、模板文件、导航图片和背景图片等等。　　下面是VeryCMS里的robots.txt文件：　　User-agent: *　　Disallow: /admin/ 后台管理文件　　Disallow: /require/ 程序文件　　Disallow: /attachment/ 附件　　Disallow: /images/ 图片　　Disallow: /data/ 数据库文件　　Disallow: /template/ 模板文件　　Disallow: /css/ 样式表文件　　Disallow: /lang/ 编码文件　　Disallow: /script/ 脚本文件　　3. 如果你的网站是动态网页，并且你为这些动态网页创建了静态副本，以供搜索蜘蛛更容易抓取。那么你需要在robots.txt文件里设置避免动态网页被蜘蛛索引，以保证这些网页不会被视为含重复内容。　　4. robots.txt文件里还可以直接包括在sitemap文件的链接。就像这样：　　Sitemap: http://www.***.com/sitemap.xml　　(此处请填写XML地图的绝对路径，即完整URL，如果按习惯填写Sitemap: /sitemap.xml，提交后会提示：检测到无效的 Sitemap 网址；语法错误。　　XML地图必须在网站根目录下才有效。)　　目前对此表示支持的搜索引擎公司有Google, Yahoo, Ask and MSN。而中文搜索引擎公司，显然不在这个圈子内。这样做的好处是，站长不用到每个搜索引擎的站长工具或者相似的站长部分，去提交自己的sitemap文件，搜索引擎的蜘蛛自己就会抓取robots.txt文件，读取其中的sitemap路径，接着抓取其中相链接的网页。　　5. 合理使用robots.txt文件还能避免访问时出错。比如，不能让搜索者直接进入购物车页面。因为没有理由使购物车被收录，所以你可以在robots.txt文件里设置来阻止搜索者直接进入购物车页面。　　robots.txt文件的格式　　&robots.txt&文件包含一条或更多的记录，这些记录通过空行分开（以CR,CR/NL, or NL作为结束符），每一条记录的格式如下所示：　　&&field&:&optionalspace&&value&&optionalspace&&。　　在该文件中可以使用#进行注解，具体使用方法和UNIX中的惯例一样。该文件中的记录通常以一行或多行User-agent开始，后面加上若干Disallow和Allow行,详细情况如下：　　User-agent:　　该项的值用于描述搜索引擎robot的名字。在&robots.txt&文件中，如果有多条User-agent记录说明有多个robot会受到&robots.txt&的限制，对该文件来说，至少要有一条User-agent记录。如果该项的值设为*，则对任何robot均有效，在&robots.txt&文件中，&User-agent:*&这样的记录只能有一条。如果在&robots.txt&文件中，加入&User-agent:SomeBot&和若干Disallow、Allow行，那么名为&SomeBot&只受到&User-agent:SomeBot&后面的Disallow和Allow行的限制。　　Disallow:　　该项的值用于描述不希望被访问的一组URL，这个值可以是一条完整的路径，也可以是路径的非空前缀，以Disallow项的值开头的URL不会被robot访问。例如&Disallow:/help&禁止robot访问/help.html、/helpabc.html、/help/index.html，而&Disallow:/help/&则允许robot访问/help.html、/helpabc.html，不能访问/help/index.html。&Disallow:&说明允许robot访问该网站的所有url，在&/robots.txt&文件中，至少要有一条Disallow记录。如果&/robots.txt&不存在或者为空文件，则对于所有的搜索引擎robot，该网站都是开放的。　　Allow:　　该项的值用于描述希望被访问的一组URL，与Disallow项相似，这个值可以是一条完整的路径，也可以是路径的前缀，以Allow项的值开头的URL是允许robot访问的。例如&Allow:/hibaidu&允许robot访问/hibaidu.htm、/hibaiducom.html、/hibaidu/com.html。一个网站的所有URL默认是Allow的，所以Allow通常与Disallow搭配使用，实现允许访问一部分网页同时禁止访问其它所有URL的功能。　　需要特别注意的是Disallow与Allow行的顺序是有意义的，robot会根据第一个匹配成功的Allow或Disallow行确定是否访问某个URL。　　使用&*&和&$&：　　Baiduspider支持使用通配符&*&和&$&来模糊匹配url。　　&$& 匹配行结束符。　　&*& 匹配0或多个任意字符。　　robots.txt文件字符编码　　robots.txt使用什么字符编码，并没有相关规定，都是各搜索引擎自已定义的。虽然google和其它搜索引擎建议大家使用 utf-8 字符编码格式的robots.txt，但几乎所有的搜索引擎都支持 ANSI 编码格式，而google自已对 utf-8 编码格式的robots.txt，会出现首字乱码。所以为了达到最大的兼容性，建议大家使用 ANSI 格式编码，或者使用 utf-8 编码格式，但需要空出首行。　　还有一个建议就是robots.txt中最好不要出现中文，即使是注释也要使用英文。　　robots.txt文件用法举例　　例1.禁止所有搜索引擎访问网站的任何部分 User-agent: *　　Disallow: /　　例2.允许所有的robot访问　　(或者也可以建一个空文件 &/robots.txt&) 第1种写法　　User-agent: *　　Allow: /　　第2种写法　　User-agent: *　　Allow:　　第3种写法　　User-agent: *　　Disallow:　　例3. 仅禁止Baiduspider访问您的网站 User-agent: Baiduspider　　Disallow: /　　例4. 仅允许Baiduspider访问您的网站 User-agent: Baiduspider　　Allow: /　　例5. 禁止spider访问特定目录　　在这个例子中，该网站有三个目录对搜索引擎的访问做了限制，即robot不会访问这三个目录。需要注意的是对每一个目录必须分开声明，而不能写成 &Disallow: /cgi-bin/ /tmp/&。 User-agent: *　　Disallow: /cgi-bin/　　Disallow: /tmp/　　Disallow: /~joe/　　例6. 允许访问特定目录中的部分url User-agent: *　　Allow: /cgi-bin/see　　Allow: /tmp/hi　　Allow: /~joe/look　　例7. 使用&*&限制访问url　　禁止访问/cgi-bin/目录下的所有以&.htm&为后缀的URL(包含子目录)。　　User-agent: *　　Disallow: /cgi-bin/*.htm　　例8. 使用&$&限制访问url　　仅允许访问以&.htm&为后缀的URL。 User-agent: *　　Allow: / .htm$　　例9. 禁止访问网站中所有的动态页面 User-agent: *　　Disallow: /*?*　　例10. 禁止Baiduspider抓取网站上所有图片　　仅允许抓取网页，禁止抓取任何图片。 User-agent: Baiduspider　　Disallow: /*.jpg$　　Disallow: /* .jpeg$　　Disallow: /* .gif$　　Disallow: /* .png$　　Disallow: /*.bmp$　　例11. 仅允许Baiduspider抓取网页和。gif格式图片　　允许抓取网页和gif格式图片，不允许抓取其他格式图片 User-agent: Baiduspider　　Allow: .gif$　　Disallow: /.jpg$　　Disallow: / .jpeg$　　Disallow: / .png$　　Disallow: /.bmp$　　例12. 仅禁止Baiduspider抓取。jpg格式图片 User-agent: /Baiduspider　　Disallow: /.jpg$　　百度各个产品使用不同的user-agent：　　无线搜索 Baiduspider-mobile　　图片搜索 Baiduspider-image　　视频搜索 Baiduspider-video　　新闻搜索 Baiduspider-news　　百度搜藏 Baiduspider-favo　　百度联盟 Baiduspider-cpro　　商务搜索 Baiduspider-ads　　网页以及其他搜索 Baiduspider
　　来源： 转载注明出处！
　　本文关键词: &&
站长SEO学院
第一节：第二节：第三节：第四节：第五节：
百度SEO资料文档
好搜联盟合作