電話咨詢
028-65577666

相關(guān)資訊

當(dāng)前位置：主頁 > 資訊中心 > 熱點話題 > Robots協(xié)議詳解 > 正文

Robots協(xié)議詳解

　　禁止搜索引擎收錄的方法（robots.txt）

　　一

、什么是robots.txt文件?

　　搜索引擎通過一種程序robot（又稱spider）

，自動訪問互聯(lián)網(wǎng)上的網(wǎng)頁并獲取網(wǎng)頁信息。您可以在您的網(wǎng)站中創(chuàng)建一個純文本文件robots.txt

，在這個文件中聲明該網(wǎng)站中不想被robot訪問的部分，這樣

，該網(wǎng)站的部分或全部內(nèi)容就可以不被搜索引擎收錄了，或者指定搜索引擎只收錄指定的內(nèi)容

。

　　二
、robots.txt文件放在哪里?

　　robots.txt文件應(yīng)該放在網(wǎng)站根目錄下。舉例來說

，當(dāng)robots訪問一個網(wǎng)站（比如http://www.abc.com）時，首先會檢查該網(wǎng)站中是否存在http://www.abc.com/robots.txt這個文件

，如果機器人找到這個文件，它就會根據(jù)這個文件的內(nèi)容

，來確定它訪問權(quán)限的范圍

。

　　網(wǎng)站 URL 相應(yīng)的 robots.txt的 URL

　　http://www.w3.org/ http://www.w3.org/robots.txt

　　http://www.w3.org:80/ http://www.w3.org:80/robots.txt

　　http://www.w3.org:1234/ http://www.w3.org:1234/robots.txt

　　http://w3.org/ http://w3.org/robots.txt

　　三

、robots.txt文件的格式

　　"robots.txt"文件包含一條或更多的記錄，這些記錄通過空行分開（以CR,CR/NL, or NL作為結(jié)束符）

，每一條記錄的格式如下所示：":"。

　　在該文件中可以使用#進行注解

，具體使用方法和UNIX中的慣例一樣

。該文件中的記錄通常以一行或多行User-agent開始

，后面加上若干Disallow行,詳細情況如下：

　　User-agent:

　　該項的值用于描述搜索引擎robot的名字

，在"robots.txt"文件中

，如果有多條User-agent記錄說明有多個robot會受到該協(xié)議的限制，對該文件來說

，至少要有一條User-agent記錄。如果該項的值設(shè)為*

，則該協(xié)議對任何機器人均有效

，在"robots.txt"文件中

，"User-agent：*"這樣的記錄只能有一條

。

　　Disallow :

　　該項的值用于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

。例如"Disallow: /help"對/help.html和/help/index.html都不允許搜索引擎訪問

，而"Disallow:/help/"則允許robot訪問/help.html

，而不能訪問/help/index.html

。任何一條Disallow記錄為空，說明該網(wǎng)站的所有部分都允許被訪問

，在"/robots.txt"文件中，至少要有一Disallow記錄

。如果"/robots.txt"是一個空文件

，則對于所有的搜索引擎robot，該網(wǎng)站都是開放的

。

　　四、robots.txt文件用法舉例

　　例1. 禁止所有搜索引擎訪問網(wǎng)站的任何部分

　　下載該robots.txt文件 User-agent: *

　　Disallow: /

　　例2. 允許所有的robot訪問

　　(或者也可以建一個空文件 "/robots.txt" file)

　　User-agent: *

　　Disallow:

　　例3. 禁止某個搜索引擎的訪問

　　User-agent: BadBot

　　Disallow: /

　　例4. 允許某個搜索引擎的訪問

　　User-agent: baiduspider

　　Disallow:

　　User-agent: *

　　Disallow: /

　　例5. 一個簡單例子

　　在這個例子中

，該網(wǎng)站有三個目錄對搜索引擎的訪問做了限制

，即搜索引擎不會訪問這三個目錄。

　　需要注意的是對每一個目錄必須分開聲明

，而不要寫成 "Disallow: /cgi-bin/ /tmp/"

。

　　User-agent:后的* 具有特殊的含義，代表"any robot"

，所以在該文件中不能有"Disallow:

　　/tmp/*" or "Disallow: *.gif"這樣的記錄出現(xiàn).

　　User-agent: *

　　Disallow: /cgi-bin/

　　Disallow: /tmp/

　　Disallow: /~joe/

　　五
、robots.txt文件參考資料

　　robots.txt文件的更具體設(shè)置,請參看以下資料：

　　· Web Server Administrator's Guide to the Robots Exclusion Protocol

　　· HTML Author's Guide to the Robots Exclusion Protocol

　　· The original 1994 protocol description, as currently deployed

　　· The revised Internet-Draft specification, which is not yet completed or implemented

　　在你的主頁中為Web Robot設(shè)計路標(biāo)

　　Internet越來越酷

，WWW的知名度如日中天。在Internet上發(fā)布公司信息

、進行電子商務(wù)已經(jīng)從時髦演化成時尚

。作為一個WebMaster，你可能對HTML

、Javascript

、Java、 ActiveX了如指掌

，但你是否知道什么是WebRobot

？你是否知道Web Robot和你所設(shè) 計的主頁有什么關(guān)系？

　　Internet上的流浪漢--- Web Robot

　　有時你會莫名其妙地發(fā)現(xiàn)你的主頁的內(nèi)容在一個搜索引擎中被索引

，即使你從未與他們有過任何聯(lián)系

。其實這正是Web Robot的功勞。WebRobot其實是一些程序

，它可以穿越大量Internet網(wǎng)址的超文本結(jié)構(gòu)

，遞歸地檢索網(wǎng)絡(luò)站點所有的內(nèi)容。這些程序有時被叫“蜘蛛（Spider）”

， “網(wǎng)上流浪漢（Web Wanderer）”

，“網(wǎng)絡(luò)蠕蟲（web worms）”或Webcrawler。

一些Internet網(wǎng)上知名的搜索引擎站點（Search Engines）都有專門的WebRobot程序來完成信息的采集

，例如Lycos

，Webcrawler，Altavista等

，以及中文搜索引擎站點例如北極星

，網(wǎng)易，GOYOYO等

。WebRobot就象一個不速之客

，不管你是否在意，它都會忠于自己主人的職責(zé)

，任勞任怨

、不知疲倦地奔波于萬維網(wǎng)的空間，當(dāng)然也會光臨你的主頁

，檢索主頁內(nèi)容并生成它所需要的記錄格式

。或許有的主頁內(nèi)容你樂于世人皆知

，但有的內(nèi)容你卻不愿被洞察

、索引。難道你就只能任其“橫行”于自己主頁空間

，能否指揮和控制WebRobot的行蹤呢

？答案當(dāng)然是肯定的。只要你閱讀了本篇的下文

，就可以象一個交通警察一樣

，布置下一個個路標(biāo)，告訴WebRobot應(yīng)該怎么去檢索你的主頁

，哪些可以檢索

，哪些不可以訪問。其實Web Robot能聽懂你的話不要以為Web Robot是毫無組織

，毫無管束地亂跑

。很多Web Robot軟件給網(wǎng)絡(luò)站點的管理員或網(wǎng)頁內(nèi)容制作者提供了兩種方法來限制Web Robot的行蹤：

　　1. Robots Exclusion Protocol 協(xié)議

　　網(wǎng)絡(luò)站點的管理員可以在站點上建立一個專門格式的文件，來指出站點上的哪一部分可以被robot訪問, 這個文件放在站點的根目錄下

，即robots.txt." target="_blank">http://.../robots.txt.

　　2. Robots META tag

　　一個網(wǎng)頁作者可以使用專門的HTML META tag

，來指出某一個網(wǎng)頁是否可以被索引、分析或鏈接

。這些方法適合于大多數(shù)的Web Robot

，至于是否在軟件中實施了這些方法，還依賴于 Robot的開發(fā)者

，并非可以保證對任何Robot都靈驗

。如果你迫切需要保護自己內(nèi)容，則應(yīng)考慮采用諸如增加密碼等其他保護方法

。

　　使用Robots Exclusion Protocol協(xié)議

　　當(dāng)Robot訪問一個 Web 站點時

，比如http://www.sti.net.cn/，它先去檢查文件robots.txt"target="_blank">http://www.sti.net.cn/robots.txt

。如果這個文件存在

，它便會按照這樣的記錄格式去分析：

　　User-agent: *

　　Disallow: /cgi-bin/

　　Disallow: /tmp/

　　Disallow: /~joe/

　　以確定它是否應(yīng)該檢索站點的文件。這些記錄是專門給Web Robot看的

，一般的瀏覽者大概永遠不會看到這個文件

，所以千萬不要異想天開地在里面加入形似類的HTML語句或是“How do you do? where areyou from?”之類假情假意的問候語。

　　在一個站點上只能有一個 "/robots.txt" 文件

，而且文件名的每個字母要求全部是小寫

。在Robot的記錄格式中每一個單獨的"Disallow"行表示你不希望Robot訪問的URL，每個URL必須單獨占一行

，不能出現(xiàn)"Disallow: /cgi-bin/ /tmp/"這樣的病句

。同時在一個記錄中不能出現(xiàn)空行，這是因為空行是多個記錄分割的標(biāo)志

。User-agent行指出的是Robot或其他代理的名稱

。在User-agent行，'*' 表示一個特殊的含義---所有的robot

。

　　下面是幾個robot.txt的例子：

　　在整個服務(wù)器上拒絕所有的robots：

　　User-agent: *

　　Disallow: /

　　允許所有的robots訪問整個站點：

　　User-agent: *

　　Disallow:

　　或者產(chǎn)生一個空的 "/robots.txt" 文件

。

　　服務(wù)器的部分內(nèi)容允許所有的robot訪問

　　User-agent: *

　　Disallow: /cgi-bin/

　　Disallow: /tmp/

　　Disallow: /private/

　　拒絕某一個專門的robot：

　　User-agent: BadBot

　　Disallow: /

　　只允許某一個robot光顧：

　　User-agent: WebCrawler

　　Disallow:

　　User-agent: *

　　Disallow: /

　　最后我們給出 http://www.w3.org/站點上的robots.txt：

　　# For use by search.w3.org

　　User-agent: W3Crobot/1

　　Disallow:

　　User-agent: *

　　Disallow: /Member/ # This is restricted to W3C Members only

　　Disallow: /member/ # This is restricted to W3C Members only

　　Disallow: /team/ # This is restricted to W3C Team only

　　Disallow: /TandS/Member # This is restricted to W3C Members only

　　Disallow: /TandS/Team # This is restricted to W3C Team only

　　Disallow: /Project

　　Disallow: /Systems

　　Disallow: /Web

　　Disallow: /Team

　　使用Robots META tag方式

　　Robots META tag 允許HTML網(wǎng)頁作者指出某一頁是否可以被索引

，或是否可以用來查找更多的鏈接文件。目前只有部分robot實施了這一功能

。

　　Robots META tag的格式為：

　　象其他的META tag一樣

，它應(yīng)該放在HTML文件的HEAD區(qū)：

　　...

　　Robots META tag指令使用逗號隔開，可以使用的指令包括 [NO]INDEX 和[NO]FOLLOW

。INDEX指令指出一個索引性robot是否可以對本頁進行索引

；FOLLOW 指令指出robot是否可以跟蹤本頁的鏈接。缺省的情況是INDEX和FOLLOW

。例如：一個好的Web 站點管理員應(yīng)該將robot的管理考慮在內(nèi)

，使robot為自己的主頁服務(wù)，同時又不損害自己網(wǎng)頁的安全

。

四川新華電腦學(xué)院專業(yè)職業(yè)規(guī)劃師為你提供更多幫助【在線咨詢】

上一篇：百度：360違反Robots可能導(dǎo)致網(wǎng)民隱私泄露

下一篇：京東物流：大規(guī)模自建的痛點

地址：成都市新津區(qū)新科大道107號?郵編：611430?電話：028-65577666

蜀ICP備11014515號-1?www.shanghaibag.cc

主辦單位：安徽新華教育集團有限公司

聲明：任何企業(yè)或個人不得以任何商業(yè)目的復(fù)制或傳遞本網(wǎng)站所載述的商標(biāo)

、文字、影像及圖形圖象

，分享轉(zhuǎn)載需注明來源本網(wǎng)站

本網(wǎng)站部分圖片來源于網(wǎng)絡(luò)

，若您的權(quán)利被侵害，請及時聯(lián)系我們

中国免费看的片,中国好声音2022第二期,迪迦奥特曼国语全集高清,错爱电影,绿色椅子在线观看,电视剧嫉妒的密码,在线观看电影,爱我就别想太多电视剧免费版全集,南极大冒险国语,世界杯半决赛对阵表来了,寒战2 迅雷下载,富贵兵团国语,猫狗大战1国语版电影,全部演员的名字和照片,灵魂战车国语,精英律师电视剧,一起来看流星雨免费版在线观看