搜索到
1
篇与
robots.txt
的结果
-
Typecho博客设置robots文件 {mtitle title="小熊猫博客爱分享"/}什么是Robots协议(robots.txt)？ Robots协议（也称为爬虫协议、机器人协议等）全称是“网络爬虫排除标准”（Robots Exclusion Protocol），是国际互联网界通行的道德规范，Robots是站点与spider沟通的重要渠道站点通过robots告诉搜索引擎哪些页面可以抓取，哪些页面不能抓取。其目的是保护网站数据和敏感信息、确保用户个人信息和隐私不被侵犯.因其不是命令，故需要搜索引擎自觉遵守robots.txt如何奏效呢？ 搜索引擎机器人访问网站时，首先会寻找站点根目录有没有 robots.txt文件，如果有这个文件就根据文件的内容确定收录范围，如果没有就按默认访问以及收录所有页面。另外，当搜索蜘蛛发现不存在robots.txt文件时，会产生一个404错误日志在服务器上，从而增加服务器的负担，因此为站点添加一个robots.txt文件还是很重要的。百度也会严格遵守robots的相关协议，要注意区分你不想被抓取或收录的目录的大小写，百度会对robots中所写的文件和你不想被抓取和收录的目录做精确匹配，否则robots协议无法生效。robots.txt基本语法{alert type="success"}注意：robots.txt必须放置在一个站点的根目录下，而且文件名必须全部小写{/alert}{card-default label="User-agent" width="1"}描述搜索引擎robot的名字即 : 你可以指定该规则只对baidu 或者google 或者其它指定搜索引擎有效 可用通配符 *表示全部{/card-default}{card-default label="Disallow:" width="1"}描述不希望被访问的一组URL即：设定禁止访问的部分，可以用完整url，也可以用相对路径，可以是单个目文件，也可以是整个文件夹，也可以用通配符限定指定类型{/card-default}{card-default label="Allow:" width="1"}卡片内容{/card-default}描述希望被访问的一组URL即：设定允许访问的部分，不过因为默认是全部允许的，这个语法通常是配合disallow使用的，用它来完成 如“除了xxx.html该目录下全部不能访问”这样的设定。 要注意的是allow和disallow的顺序是有讲究的，搜索引擎会以它先看到的规则为判断标准。{card-default label="Sitemap：" width="1"}指示蜘蛛去爬取网站的sitemap文件{/card-default}{card-default label="通配符：" width="1"}"$" 匹配行结束符；"*" 匹配0或多个任意字符{/card-default}如何辨别自己网站是否配置了robots.txt呢？第一种方法：访问网址 http(s):你的域名/robots.txt即可第二种方法：通过 [百度站长工具] 来检测如何正确编写一个保护网站隐私的robots.txt呢？我们想要的效果是：要求所有搜索引擎遵循我的这个协议禁止蜘蛛抓取我的后台地址和Typecho的安装路径指引蜘蛛去抓取我的Sitemap那么我们可以这样写，在网站根目录下新建一个robots.txt文件，内容如下：{tabs}{tabs-pane label="方法一"}隐藏内容，请前往内页查看详情{/tabs-pane}{tabs-pane label="方法二"}隐藏内容，请前往内页查看详情{/tabs-pane}{/tabs}检测效果图
