robots.txt使用技巧

　　屏蔽隐私页面，后台登陆页面，缓存页面，图片目录，css目录，模板页面，屏蔽双页面的内容，同时可以屏蔽一些质量比较差的页面，例如金网的所有会员用户空间页面，dz的动态链接也可以设置屏蔽。通过Disallow：命令来进行设置。
　　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。
　　网站管理员必须使搜索引擎机器人程序远离服务器上的某些目录，以保证服务器性能。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，这样能够避免所有程序文件都被蜘蛛索引，以达到节省服务器资源的效果。
　　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
　　Disallow: /js/js文件
　　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是网站重复的内容。
　　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
　　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。这样做的好处就是，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。
　　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。

标签： 文件页面蜘蛛屏蔽 打印本页 || 关闭窗口