robots.txt文件介绍

SEO禅 • 最后编辑 2021-06-16 • SEO基础 • 阅读(2982) • 评论(0)

各位站长天天都要跟各大搜索引擎的小兵（爬虫）打交道，对robots.txt文件肯定不会陌生，但是对于SEO小白可能都没有听过这个文件，其实这个文件内容很简单，就是和搜索引擎爬虫约好的一些规则，当爬虫来访问网站的时候，第一时间会看看网站根目录有没有robots.txt这个文件，如果有这个文件，会根据这个文件设置的规则来抓取网站的内容。

robots.txt的作用

robots.txt的作用其实就是告诉爬虫什么文件路径可以爬，什么文件路径不能爬，网站地图sitemap.xml文件位置等信息。大概可归纳以下几种作用：

1、告诉爬虫抓取网站上的指定路径文件或内容；

2、网站改版或者URL重写优化时候屏蔽对搜索引擎不友好的链接；

3、屏蔽死链接、404错误页面；

4、屏蔽无内容、无价值页面，像后台管理页面等；

5、屏蔽重复页面，如评论页、搜索结果页；

6、屏蔽任何不想被收录的页面；

7、引导爬虫抓取网站地图；

robots.txt文件怎么写

只有使用特定的语法和符号编写的robots.txt文件才能被正确识别，所以是需要遵循一定的语法规则的，但是不用担心，非常的简单，只有三个关键词和2个通配符。下面是网上找到一些示例图：

下面是一个简单的例子：

User-agent: *
Allow: /seo/*.jpg$
Disallow: /seo/*

User-agent

User-agent: *（定义所有搜索引擎）
User-agent: Googlebot （定义谷歌，只允许谷歌蜘蛛爬取）
User-agent: Baiduspider （定义百度，只允许百度蜘蛛爬取）

不同的搜索引擎的爬虫有不同的名称，比如谷歌:Googlebot、百度:Baiduspider、MSN:MSNbot、Yahoo:Slurp。

Disallow

Disallow:（用来定义禁止搜索引擎爬取的页面或路径）

比如：

Disallow: /（禁止蜘蛛爬取网站的所有目录 “/” 表示根目录下）
Disallow: /SEO/（禁止蜘蛛爬取SEO目录）
Disallow: /test.html （禁止蜘蛛爬取test.html页面）

Allow

Allow:（用来定义允许蜘蛛爬取的页面或路径）

比如：

Allow: /SEO/test/（允许蜘蛛爬取SEO下的test目录）
Allow: /SEO/test.html（允许蜘蛛爬取SEO目录中的test.html页面）

两个通配符

通配符 “$”

$ 通配符：匹配行结束符。

比如：

Allow: /seo/*.jpg$

上面这段代码就是允许爬虫爬取SEO目录下所有jpg结尾的文件。

通配符 “*”

* 通配符：匹配0个或多个任意字符

Disallow: /seo/*

上面这段意思是禁止爬虫爬取SEO目录下所有文件。

工具生成robots.txt

对于SEO小白来说，最好还是使用站长工具去生成robots.txt文件，防止规则写错，有时候真的是“一念天堂，一念地狱”的差别，要是robots.txt文件规则写错了，有可能会导致整个网站搜索引擎不收录的情况，所以在写这个文件的时候一定要认真，如果出现问题要想想是不是写错了规则，改完之后再到站长平台去提交新的文件。

作者：SEO禅
本文链接：robots.txt文件介绍
版权申明：如无特殊说明，本站文章均为作者原创，著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处，谢谢！