Robots.txt文件
分享
评论
赞0
Robots.txt对于任何一个从事SEO研究工作的人都是至关重要的，因为透过 Robots.txt 我们可以直接与搜索引擎蜘蛛进行对话，告诉他们哪些可以抓取，哪些不可以抓取。
一、为什么设置Robots.txt？
在进行SEO操作的时候，我们需要告诉搜索引擎哪些页面重要哪些页面不重要，重要的页面让蜘蛛进行抓取，不重要的页面进行屏蔽可以减少网站服务器的负担。
二、一些常见的问题和知识点
1、蜘蛛在发现一个网站的时候，第一步是抓取网站的Robots.txt文件（当然官方上是这么说的，有时候也会出现不遵守的情况）；
2、建议所有的网站都要设置Robots.txt文件，如果你认为网站上所有内容都是重要的，你可以建立一个空的robots.txt文件；
三、在robots.txt文件中设置网站地图
你可以在robots.txt中添加网站的地图，告诉蜘蛛网站地图所在的地址。
四、Robots.txt的顺序
在蜘蛛协议中，Disallow 与 Allow是有顺序的，这是一个非常重要的问题，如果设置错误可能会导致抓取错误。
引擎蜘蛛程序会根据第一个匹配成功的Allow或Disallow行确定是否访问某个URL，一个例子可以让你更清楚明白：
1.User-agent: * 2.Allow: /seojc/bbs 3.Disallow: /seojc/ 这个情况下，蜘蛛/seojc/bbs目录可以正常抓取，但/seojc/目录的文件无法抓取。通过这种方式可以允许蜘蛛访问特定目录中的部分url。
我们对调下位置观察一下。
1.User-agent: * 2.Disallow: /根目录下的文件夹/ 3.Allow: /seojc/bbs /seojc/目录出现在第一行，禁止抓取目录下的所有文件，那么第二行的Allow就无效，因为第一行中已经禁止抓取seojc目录下的所有文件，而 bbs目录正好位于seowhy目录下。因此匹配不成功。
五、Robots.txt路径问题
在蜘蛛协议中，Allow和Disallow后面可以跟两种路径形式，即绝对链接、相对链接。绝对链接就是完整的URL形式，而相对链接只针对根目录。这是重点记住。
六、斜杠问题
Disallow: /seojc表示禁止抓取seoic这个目录下的所有文件，如seojc/1.html、seojc/rmjc.php；
Disallow: /seojc/ 表示禁止抓取seojc这个目录，而seojc.1.html、seojc/rmjc.php是可以抓取的。
猜你喜欢
评论(0人参与，0条评论)
发布评论
最新评论