robots史上最详尽、最易懂说明及写法

robots介绍：



很多做优化的忽略robots的重要性，我们首先要记住的就是蜘蛛来到网站之后第一个看的就是robots文件，它是搜索引擎的协定，告诉蜘蛛哪些能抓，哪些不能抓，哪些目录下的哪些文件可以抓，这些robots文件都可以实现。优化时候忽略了robots文件的重要性，可能会一不小心被网站编程人员给自己埋了一个坑。



robots规则说明：



代表所有的意思



User-agent



爬虫抓取时会声明自己的身份，这就是User-agent，如果这个规则适用于所有搜索引擎的话，写法：User-agent： 如果单独适用于百度的话User-agent：Baiduspider



 (附一些搜索引擎的名字：百度Baiduspider|谷歌Googlebot|360蜘蛛：360Spider|SOSO蜘蛛：Sosospider|雅虎蜘蛛：Yahoo!|有道蜘蛛：YoudaoBot|搜狗蜘蛛：Sogou News Spider|MSN蜘蛛：msnbot/msnbot-media|必应蜘蛛：bingbot/compatible|一搜蜘蛛：YisouSpider|Alexa蜘蛛：ia_archiver|宜sou蜘蛛：EasouSpider|即刻蜘蛛：JikeSpider|一淘网蜘蛛：EtaoSpider)



DisallowDisallow 列出的是要禁止抓取的的网页和规则，后面用/代表层次关系



Disallow：/(代表着禁止抓取网站所有内容)



Disallow:/abc(禁止抓取abc及其层次下的内容)



Disallow:/abc/(禁止抓取abc层次下的内容，但是允许抓abc)



Disallow:/.png(禁止抓取png的图片，其他格式的也这样写比如禁止抓网站中的PPT后缀文件是Disallow：/.PPT) 



Disallow:/abc/.png(禁止访问abc层次下的PNG图片，其他格式也是) 



Disallow:/?(屏蔽站内所有动态URL，因为动态地址都带?所有可以用这种形式，其他的字符也可以) 



Disallow:/abc/?(只屏蔽abc层次下的动态地址) 



Disallow:/?/(屏蔽动态层次下的内容，比如有些文章或栏目是网址/?14125这样URL，这样可以让抓取文章，也可以屏蔽后面内容) 



Disallow:/abc/?/(屏蔽abc栏目下的动态层次下的内容)



其他的按照这个思路灵活使用就行了



Allow



Allow代表允许访问抓取的意思



Allow一定放在disallow的前面才能不受disallow的影响，比如禁止所有动态后，想要排除一个栏目，写法如下：



Allow:/abc



disallow:/?* 



其他的写法参考disallow的逻辑



sitemap



这个只用于告诉蜘蛛网站地图在哪



sitemap:网址/sitemap.xml 



Crawl-delay



控制抓取频次，一般有些搜索蜘蛛频繁抓取网站，会对服务器造成很大的负担，这个就是用来控制抓取频次的



User-agent：360Spider



Crawl-delay：10



这句是说，360你抓的太频繁，你抓过之后10秒之后才能下一次抓取



还有就是不让显示快照：



在你不想展示快照页面的head标签中加入 meta name=“robots” content=“noarchive”(禁止所有搜索引擎产生快照)



在你不想展示某个搜索引擎出现快照页面的head标签中加入 meta name=“360Spider” content=“noarchive”(禁止360产生快照，name后面的换成蜘蛛名字即可)