一个完整的网站,301重定向、404页面自定义和robots.txt文件都是必有的,没有为什么,301是为了集权;404是在网站出现死链的时候引导蜘蛛以及增加用户体验;那robots.txt文件是做什么的呢?它有什么作用呢?

  一、robots文件是什么?

  robots.txt文件是存放在网站根目录下面的一个TXT文本文档.它是网站和蜘蛛之间的一个协议.

  二、robots文件有什么作用?

  如果你网站根目录有robots.txt这样一个文件,那蜘蛛在爬行你网站的时候就会首先访问这个文件(robots文件一般都要存放在根目录,蜘蛛第一个访问的文件,因此这个文件是很重要的).robots文件的作用是告诉搜索引擎蜘蛛,网站的哪些文件夹可以抓取,哪些文件夹不能抓取,从而确保我们网站的隐私内容不会被收录.

  三、robots文件怎么写?

  1.定义搜索引擎

  用User-agent:来定义搜索引擎,其中*表示所有

  百度蜘蛛名字:Baiduspider,谷歌蜘蛛名字:Googlebot.

  User-agent:*表示定义所有蜘蛛

  User-agent: Baiduspider表示自定义百度蜘蛛,

  User-agent: Googlebot表示自定义谷歌蜘蛛

  大家可以参考百度或者淘宝的robots.txt,他么就是这样写的,而我们小站只需要自定义所有搜索引擎蜘蛛即可.

  2.禁止访问和允许访问

  User-agent: *

  Disallow: /

  表示禁止所有搜索引擎访问;

  User-agent: *

  Allow: /

  表示允许所有搜索引擎访问.

  PS:在:后面/前面有一个英文状态下的空格,空格必须有,必须是英文状态下的

  3.禁止搜索引擎访问网站中的某些目录

  假设a是我网站根目录的一个文件夹,写法分别如下:

  User-agent: *

  Disallow: /a

  禁止搜索引擎访问a文件夹及a文件夹下面的所有文件

  User-agent: *

  Disallow: /a/

  禁止搜索引擎访问a文件夹下面的所有文件,但是a文件夹是允许被访问的(这里阐述不太清楚,具体大家可以去百度站长平台测试)

  4、禁止搜索引擎访问某一类文件

  $表示结尾,如果要禁止搜索引擎访问css结尾的文件,写法如下:

  User-agent: *

  Disallow: /*.css$

  如果要禁止搜索引擎访问js结尾的文件,写法如下:

  User-agent: *

  Disallow: /*.js$

  *号表示所有,$表示结尾,上面两个举例则表示所有css或者js结尾的文件

  5.禁止访问网站中的动态页面

  禁止访问网站中的动态页面,写法如下:

  User-agent: *

  Disallow: /*?*

  ?表示动态路径,*号表示所有.

  6.禁止访问某个字母开头的文件

  为了隐藏我们网站的一些目录,如后台地址等,假如shenshan这个文件夹是我网站的后台地址,我不想让别人通过robots.txt文件看到它,可以这样写

  User-agent: *

  Disallow: /sh*

  这就表示所有sh开头的目录都不能访问

  7.允许访问首页

  只允许搜索引擎蜘蛛访问我们网站首页,写法如下:

  User-agent: *

  Disallow: /*

  头条的robots.txt就是这样写的(似乎暴露了什么).

  8.禁止访问二级目录

  如果我有两个文件夹下面同时存在shenshan这个文件夹,我又不想让搜索引擎访问shenshan这个文件夹,可以这样写:

  User-agent: *

  Disallow: /*/shenshan

  三、书写robots文件注意事项

  1.robots文件的后缀必须是.txt;

  2.robots文件应该存放在网站的根目录,而且所有字母都必须小写;

  3.在写robots文件的时候,User-agent、Disallow、Allow、Sitemap这些词开头第一个字母必须大写,后面的字母则要小写;

  4.特别注意,在:后面必须有一个英文状态下的空格.