dedecms:解析Robots.txt 協議標準
Robots.txt 是存放在站點根目錄下的一個純文字檔案。雖然它的設定很簡單,但是作用卻很強大。它可以指定搜尋引擎蜘蛛只抓取指定的內容,或者是禁止搜尋引擎蜘蛛抓取網站的部分或全部內容。
下面我們就來詳細介紹一下它的使用方法:
Robots.txt 檔案應該放在網站根目錄下,並且該檔案是可以通過網際網路進行訪問的。
例如:
如果您的網站地址是 http://www.dedecms.com
那麼,該檔案必須能夠通過 http://www.dedecms.com/robots.txt 開啟並看到裡面的內容。
格式:
User-agent:
用於描述搜尋引擎蜘蛛的名字,在" Robots.txt "檔案中,如果有多條User-agent記錄說明有多個搜尋引擎蜘蛛會受到該協議的限制,對該檔案來說,至少要有一條User-agent記錄。如果該項的值設為*,則該協議對任何搜尋引擎蜘蛛均有效,在" Robots.txt "檔案中,"User-agent:*"這樣的記錄只能有一條。
Disallow:
用於描述不希望被訪問到的一個URL,這個URL可以是一條完整的路徑,也可以是部分的,任何以Disallow開頭的URL均不會被Robot訪問到。
舉例:
例一:"Disallow:/help"
是指/help.html 和/help/index.html都不允許搜尋引擎蜘蛛抓取。
例二:"Disallow:/help/"
是指允許搜尋引擎蜘蛛抓取/help.html,而不能抓取/help/index.html。
例三:Disallow記錄為空
說明該網站的所有頁面都允許被搜尋引擎抓取,在"/robots.txt"檔案中,至少要有一條Disallow記錄。如果"/robots.txt"是一個空檔案,則對於所有的搜尋引擎蜘蛛,該網站都是開放的可以被抓取的。
Robots.txt 協議中的註釋符。
舉例:
例一:通過"/robots.txt"禁止所有搜尋引擎蜘蛛抓取"/bin/cgi/"目錄,以及 "/tmp/"目錄和 /foo.html 檔案,設定方法如下:
User-agent: *
Disallow: /bin/cgi/
Disallow: /tmp/
Disallow: /foo.html
例二:通過"/robots.txt"只允許某個搜尋引擎抓取,而禁止其他的搜尋引擎抓取。
如:只允許名為"slurp"的搜尋引擎蜘蛛抓取,而拒絕其他的搜尋引擎蜘蛛抓取 "/cgi/" 目錄下的內容,設定方法如下:
User-agent: *
Disallow: /cgi/
User-agent: slurp
Disallow:
例三:禁止任何搜尋引擎抓取我的網站,設定方法如下:
User-agent: *
Disallow: /
例四:只禁止某個搜尋引擎抓取我的網站
如:只禁止名為“slurp”的搜尋引擎蜘蛛抓取,設定方法如下:
User-agent: slurp
Disallow: /
通過以上對robots.txt的解析,我們可以由後臺的檔案目錄推匯出dedecms標準的寫法
User-agent: *
Disallow: /data
Disallow: /dede
Disallow: /images
Disallow: /plus
Disallow: /include
Disallow: /templets
Disallow: /uploads
Sitemap: http://www.xxxxxx.com/sitemap.xml