标签：声明 中文网页 ble 哪些 write 合并 不能 工具 关键词
【关键词：robot.txt,sitemap,User-Agent,Disallow,Allow】
[声明：摘自Wikipedia]
1. 定义：
robots.txt（统一小写）是一种存放于
网站根目录下的
ASCII编码的
文本文件，它通常告诉网络
搜索引擎的漫游器（又称
网络蜘蛛），此网站中的哪些内容是不应被搜索引擎的漫游器获取的，哪些是可以被漫游器获取的。有些搜索引擎会遵守这一规范，而其他则不然。通常搜索引擎会识别这个元数据，不索引这个页面，以及这个页面的链出页面。
2.要求：
0.robots.txt协议并不是一个规范，而只是约定俗成的，所以并不能保证网站的隐私。
1.robots.txt的文件名应统一为小写。
（因：一些系统中的URL是大小写敏感的）
2.robots.txt应放置于网站的根目录下。
3.如果想单独定义搜索引擎的漫游器访问子目录时的行为，那么：
可以将自定的设置合并到根目录下的robots.txt；
或者使用robots
元数据（Metadata，又称元数据）。
4.目录末尾有与没有斜杠“/”表示的是不同的URL
(因：robots.txt是用字符串比较来确定是否获取
URL)
5.robots.txt允许使用类似"Disallow: *.gif"这样的通配符
6.其他的影响搜索引擎的行为的方法包括使用robots
元数据：
<meta name="robots" content="noindex,nofollow" />
3.示例：
1.允许所有机器人：
User-agent: *
Disallow:
-----or↓-----
User-agent: *
Allow:/
2.仅允许特定的机器人：（name_spider用真实名字代替）
User-agent: name_spider
Allow:
3.拦截所有的机器人：
User-agent: *
Disallow: /
4.禁止所有机器人访问特定目录：
User-agent: *
Disallow: /
cgi-bin/
Disallow: /images/
Disallow: /tmp/
Disallow: /private/
5.仅禁止坏爬虫访问特定目录（BadBot用真实的名字代替）：
User-agent: BadBot
Disallow: /private/
6.禁止所有机器人访问特定文件类型：
User-agent: *
Disallow: /*.php$
Disallow: /*.js$
Disallow: /*.inc$
Disallow: /*.css$
////////////////////////
Sitemap:
Sitemap指令被几大搜索引擎支持（包括Google、Yahoo、Bing和Ask），指定了网站
Sitemaps文件的位置。Sitemaps文件包含了网站页面所在的URL的一个列表。
Sitemap指令并不受
User-agent指令的限制，所以它可以放在robots.txt文件中的任意位置。唯一要注意的就是要使用网站地图指令，<sitemap_location>,并将URL的"location"值换成网站地图的地址。[编写方法参考：
https://www.sitemaps.org/index.html]
SEO之robots.txt
标签：声明 中文网页 ble 哪些 write 合并 不能 工具 关键词
原文地址：http://www.cnblogs.com/johnnyzen/p/7155178.html
