标梵带你深入了解robots协议

大多数网站都有一个robots协议，也称为爬虫协议或机器人协议。它以文本文件格式存在，一般称为robots.txt网站告诉搜索引擎蜘蛛程序哪些页面可以抓取，哪些页面拒绝抓取。当搜索引擎蜘蛛来访问网站时，第一件事是先读取机器人文件，然后按照协议访问和抓取网站。如果网站上没有机器人协议，将被视为抓取网站上的所有内容。包括敏感的私人文件。所有建议都是网站应该有机器人协议。

1.什么是robots协议文件？

robots协议用于确保网站的隐私信息不被泄露。robots协议定义的规则规定搜索引擎抓取网站内容。用白话解释就是告诉蜘蛛，某些页面是不对蜘蛛开放的。一般存储在网站的根目录下，但说白了，各大搜索引擎会抓取吗？个人认为都是抓取的，可能只有把页面添加到索引数据库中才会处理。那些页面不加索引数据库，因为搜索引擎毕竟是数据公司，不会放过每一个数据。当然，这只是猜测。我们做网站优化，做机器人文件应该做的事情。

如果将网站的背景添加到Robot协议中，可以用*替换部分字符，以确保安全。

机器人协议可以更好地帮助搜索引擎蜘蛛抓取我们的网站，提高抓取效率。

网站上线后当天如果还没修改完毕可以利用 Disallow:/来屏蔽全站

二、robots协议的写法格式

1、允许所有的机器人：

User-agent:*

Disallow:

另一写法

User-agent:*

Allow:/

2、仅允许特定的机器人：

User-agent: baiduspider

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[2]：

User-agent:*

Disallow:/*.php$

Disallow:/*.js$

Disallow:/*.inc$

Disallow:/*.css$

三、robots协议的一些使用误区

1，假设网站上的所有文件都同意蜘蛛抓取，没有什么隐私文件可隐藏不见的。那是不是网站就可以不必要增加robots协议文件了呢？答案当然是否定的。如果不存在robots协议文件，那搜索引擎蜘蛛将会对网站所有页面都进行抓取，包括404页面，404页面抓取收录会对网站造成过多重复页面的负面。而且蜘蛛访问robots.txt的时候也是会给蜘蛛返回404错误。

2，robots协议文件中设置所有文件都可以被蜘蛛抓取，并不能增加网站的收录。网站程序中的一些脚本文件，CSS文件，IMG文件等等跟网站内容不相关的文件也会被蜘蛛抓取，并不会对网站收录有好的作用。甚至可能被认为内容与主题不符而被受到惩罚。那岂不是得不偿失。

3，过多蜘蛛对所有文件进行抓取，也完全是在浪费服务器的资源，造成服务器卡顿，反而会影响用户正常访问，同时对蜘蛛访问也有影响，如果蜘蛛抓取过慢会认为网站打开过慢，不仅仅导致整个站点的页面收录受到影响，而且会被受到网站服务器过慢惩罚。

四、什么样的文件可以设置不被蜘蛛抓取

网站中不需要搜索引擎蜘蛛抓取的文件有：后台管理文件、程序脚本、附件、数据库文件、编码文件、样式表文件、模板文件、导航和背景等等。

可以在robots.txt文件中作出如下设置：

User-agent:*

Disallow:/admin/后台管理文件

Disallow:/require/程序文件

Disallow:/attachment/附件

Disallow:/images/

Disallow:/data/数据库文件

Disallow:/template/模板文件

Disallow:/css/样式表文件

Disallow:/lang/编码文件

Disallow:/script/脚本文件

如果你的网站是动态网页，并且这些动态网页创建了静态副本，方便搜索蜘蛛更容易抓取。那么你需要在robots.txt文件里设置避免动态网页被蜘蛛索引，以保证这些网页不会被视为含重复内容。

robots.txt文件里还可以直接包括在sitemap文件的链接。就像这样：

Sitemap: https://www.biaofun.com/sitemap.xml

目前对此表示支持的搜索引擎公司有Google, Yahoo, Ask and MSN。而中文搜索引擎公司，显然不在这个圈子内。这样做的好处就是，站长不用到每个搜索引擎的站长工具或者相似的站长平台，去提交自己的sitemap文件，搜索引擎的蜘蛛自己就会抓取robots.txt文件，读取其中的sitemap路径，接着抓取其中相链接的网页。

合理使用robots.txt文件还能避免访问时出错。比如，不能让搜索者直接进入购物车页面。因为没有理由使购物车被收录，所以你可以在robots.txt文件里设置来阻止搜索者直接进入购物车页面。

五、robots协议文件的黑帽seo作用

禁止快照编辑，要防止所有搜索引擎显示您网站的快照，请将此元标记置入网页

部分：

要允许其他搜索引擎显示快照，但仅防止百度搜索引擎显示，请使用以下标记：

六、常见Robots名称

google蜘蛛：googlebot

百度蜘蛛：baiduspider

搜狗蜘蛛：sogouspider

360蜘蛛：360Spider

yahoo蜘蛛：slurp

alexa蜘蛛：ia_archiver

msn蜘蛛：msnbot

altavista蜘蛛：scooter

lycos蜘蛛：lycos_spider_(t-rex)

alltheweb蜘蛛：fast-webcrawler/

inktomi蜘蛛：slurp