Robots.txt

标签：blog   http   os   sp   on   log   bs   as   tt   

　　　搜索引擎都有自己的机器人（robots）沿着超链接访问网站，但是有些时候，网站的管理者和内容的提供者不想让你的robots抓取内容，所以ROBOTS开发界提供了两个办法：一个是robots.txt，另一个是TheRobotsMETA标签。

　　　当搜索引擎搜索到该站点的时候，会先去站点的根目录下面查看是否含有robots.txt。如果有，就根据txt的配置读取指定的内容，如果不存在robots.txt的话，就毫无影响。

        比如说，我的搜索引擎访问songtaste这个音乐网站，http://www.songtaste.com/，目录是这个。

　　　那我们查看robots.txt就是http://www.songtaste.com/robots.txt，可以看到：

　　　User-Agent: *

　　　Allow: /

　　 这就代表者，所有的访问的robots都是允许访问站点的所有内容的。

　　如果是DisAllow: /,那就代表着所有的robots都不能抓取站点的内容。

      网络爬虫学习第一步！

　　更详细的robots知识在：http://www.bloghuman.com/post/67/

Robots.txt

标签：blog   http   os   sp   on   log   bs   as   tt   

原文地址：http://www.cnblogs.com/jiejiecool/p/4121287.html