关于网站robots.txt的信息

本文目录：

• 1、网站这个robots.txt要不要删?
• 2、”robots.txt”是什么？求大神帮助
• 3、登录网站出现由于该网站的robots.txt文件存在限制指令(限制搜索引擎抓取),系统无法提供该页面,怎么办
• 4、怎样查看网站robots.txt内容
• 5、网站robots.txt文件怎么写
• 6、为什么电脑登录学习通的网站缺少robot.txt文件？

网站这个robots.txt要不要删?

这个可以删除的，这是一个协议，搜索引擎蜘蛛访问网站时查看的第一个文件，这个文件将会告诉蜘蛛哪些可以抓取索引，哪些不可以。

百度官方建议，仅当您的网站包含不希望被搜索引擎收录的内容时，才需要使用robots.txt文件。如果您希望搜索引擎收录网站上所有内容，请勿建立robots.txt文件。

但是《SEO实战密码》一书中建议，就算允许抓取所有内容，也要建一个空的robots.txt文件，放在根目录下，因为有的服务器设置有问题，当robots文件不存在时会返回200状态码及一些错误信息，而不是404状态码，这可能使搜索引擎错误解读robots文件信息。

“robots.txt”是什么？求大神帮助

一．什么是robots.txt文件? 搜索引擎通过一种程序robot（又称spider），自动访问互联网上的网页并获取网页信息。 您可以在您的网站中创建一个纯文本文件robots.txt，在这个文件中声明该网站中不想被robot访问的部分，这样，该网站的部分或全部内容就可以不被搜索引擎收录了，或者指定搜索引擎只收录指定的内容。 二.robots.txt文件放在哪里? robots.txt文件应该放在网站根目录下。举例来说，当robots访问一个网站（比如 ）时，首先会检查该网站中是否存在 /robots.txt这个文件，如果机器人找到这个文件，它就会根据这个文件的内容，来确定它访问权限的范围。 网站URL相应的robots.txt的URL robots.txt robots.txt robots.txt 三.robots.txt文件的格式 “robots.txt”文件包含一条或更多的记录，这些记录通过空行分开（以CR,CR/NL,orNL作为结束符），每一条记录的格式如下所示： “field:optionalspacevalueoptionalspace”。 在该文件中可以使用进行注解，具体使用方法和UNIX中的惯例一样。该文件中的记录通常以一行或多行User-agent开始，后面加上若干Disallow行,详细情况如下： User-agent: 该项的值用于描述搜索引擎robot的名字，在”robots.txt”文件中，如果有多条User-agent记录说明有多个robot会受到该协议的限制，对该文件来说，至少要有一条User-agent记录。如果该项的值设为*，则该协议对任何机器人均有效，在”robots.txt”文件中，”User-agent：*”这样的记录只能有一条。 Disallow: 该项的值用于描述不希望被访问到的一个URL，这个URL可以是一条完整的路径，也可以是部分的，任何以Disallow开头的URL均不会被robot访问到。例如”Disallow:/help”对/help.html和/help/index.html都不允许搜索引擎访问，而”Disallow:/help/”则允许robot访问/help.html，而不能访问/help/index.html。 任何一条Disallow记录为空，说明该网站的所有部分都允许被访问，在”/robots.txt”文件中，至少要有一条Disallow记录。如果”/robots.txt”是一个空文件，则对于所有的搜索引擎robot，该网站都是开放的。 四.robots.txt文件用法举例 例1.禁止所有搜索引擎访问网站的任何部分 下载该robots.txt文件 User-agent:* Disallow:/ 例2.允许所有的robot访问 (或者也可以建一个空文件”/robots.txt”file) ?? User-agent:* Disallow: 例3.禁止某个搜索引擎的访问 User-agent:BadBot Disallow:/ 例4.允许某个搜索引擎的访问 User-agent:baiduspider Disallow: User-agent:* Disallow:/ 例5.一个简单例子 在这个例子中，该网站有三个目录对搜索引擎的访问做了限制，即搜索引擎不会访问这三个目录。 需要注意的是对每一个目录必须分开声明，而不要写成”Disallow:/cgi-bin//tmp/”。 User-agent:后的*具有特殊的含义，代表”anyrobot”，所以在该文件中不能有”Disallow:/tmp/*”or”Disallow:*.gif”这样的记录出现. User-agent:* Disallow:/cgi-bin/ Disallow:/tmp/ Disallow:/~joe/ 五.robots.txt文件参考资料 robots.txt文件的更具体设置,请参看以下链接： ·WebServerAdministrator”sGuidetotheRobotsExclusionProtocol ·HTMLAuthor”sGuidetotheRobotsExclusionProtocol ·Theoriginal1994protocoldescription,ascurrentlydeployed ·TherevisedInternet-Draftspecification,whichisnotyetcompletedorimplemented 在你的主页中为WebRobot设计路标 Internet越来越酷，WWW的知名度如日中天。在Internet上发布公司信息、进行电子商务已经从时髦演化成时尚。作为一个WebMaster，你可能对HTML、javascript、Java、ActiveX了如指掌，但你是否知道什么是WebRobot？你是否知道WebRobot和你所设计的主页有什么关系？ Internet上的流浪汉—WebRobot 有时你会莫名其妙地发现你的主页的内容在一个搜索引擎中被索引，即使你从未与他们有过任何联系。其实这正是WebRobot的功劳。WebRobot其实是一些程序，它可以穿越大量Internet网址的超文本结构，递归地检索网络站点所有的内容。这些程序有时被叫“蜘蛛（Spider）”，“网上流浪汉（WebWanderer）”，“网络蠕虫（webworms）”或Webcrawler。一些Internet网上知名的搜索引擎站点（SearchEngines）都有专门的WebRobot程序来完成信息的采集，例如Lycos，Webcrawler，Altavista等，以及中文搜索引擎站点例如北极星，网易，GOYOYO等。 WebRobot就象一个不速之客，不管你是否在意，它都会忠于自己主人的职责，任劳任怨、不知疲倦地奔波于万维网的空间，当然也会光临你的主页，检索主页内容并生成它所需要的记录格式。或许有的主页内容你乐于世人皆知，但有的内容你却不愿被洞察、索引。难道你就只能任其“横行”于自己主页空间，能否指挥和控制WebRobot的行踪呢？答案当然是肯定的。只要你阅读了本篇的下文，就可以象一个交通警察一样，布置下一个个路标，告诉WebRobot应该怎么去检索你的主页，哪些可以检索，哪些不可以访问。 其实WebRobot能听懂你的话 不要以为WebRobot是毫无组织，毫无管束地乱跑。很多WebRobot软件给网络站点的管理员或网页内容制作者提供了两种方法来限制WebRobot的行踪： 1、RobotsExclusionProtocol协议 网络站点的管理员可以在站点上建立一个专门格式的文件，来指出站点上的哪一部分可以被robot访问,这个文件放在站点的根目录下，即robots.txt.”target=”_blank”. 2、RobotsMETAtag 一个网页作者可以使用专门的HTMLMETAtag，来指出某一个网页是否可以被索引、分析或链接。 这些方法适合于大多数的WebRobot，至于是否在软件中实施了这些方法，还依赖于Robot的开发者，并非可以保证对任何Robot都灵验。如果你迫切需要保护自己内容，则应考虑采用诸如增加密码等其他保护方法。 使用RobotsExclusionProtocol协议 当Robot访问一个Web站点时，比如 ，它先去检查文件robots.txt”target=”_blank” robots.txt。如果这个文件存在，它便会按照这样的记录格式去分析： User-agent:* Disallow:/cgi-bin/ Disallow:/tmp/ Disallow:/~joe/ 以确定它是否应该检索站点的文件。这些记录是专门给WebRobot看的，一般的浏览者大概永远不会看到这个文件，所以千万不要异想天开地在里面加入形似imgsrc=*类的HTML语句或是“Howdoyoudo?whereareyoufrom?”之类假情假意的问候语。 在一个站点上只能有一个”/robots.txt”文件，而且文件名的每个字母要求全部是小写。在Robot的记录格式中每一个单独的”Disallow”行表示你不希望Robot访问的URL，每个URL必须单独占一行，不能出现”Disallow:/cgi-bin//tmp/”这样的病句。同时在一个记录中不能出现空行，这是因为空行是多个记录分割的标志。 User-agent行指出的是Robot或其他代理的名称。在User-agent行，”*”表示一个特殊的含义—所有的robot。 下面是几个robot.txt的例子： 在整个服务器上拒绝所有的robots： User-agent:* Disallow:/ 允许所有的robots访问整个站点： User-agent:* Disallow: 或者产生一个空的”/robots.txt”文件。 服务器的部分内容允许所有的robot访问 User-agent:* Disallow:/cgi-bin/ Disallow:/tmp/ Disallow:/private/ 拒绝某一个专门的robot： User-agent:BadBot Disallow:/ 只允许某一个robot光顾： User-agent:WebCrawler Disallow: User-agent:* Disallow:/ 最后我们给出 站点上的robots.txt： Forusebysearch.w3.org User-agent:W3Crobot/1 Disallow: User-agent:* Disallow:/Member/ThisisrestrictedtoW3CMembersonly Disallow:/member/ThisisrestrictedtoW3CMembersonly Disallow:/team/ThisisrestrictedtoW3CTeamonly Disallow:/TandS/MemberThisisrestrictedtoW3CMembersonly Disallow:/TandS/TeamThisisrestrictedtoW3CTeamonly Disallow:/Project Disallow:/Systems Disallow:/Web Disallow:/Team 使用RobotsMETAtag方式 RobotsMETAtag允许HTML网页作者指出某一页是否可以被索引，或是否可以用来查找更多的链接文件。目前只有部分robot实施了这一功能。 RobotsMETAtag的格式为： METANAME=”ROBOTS”CONTENT=”NOINDEX,NOFOLLOW” 象其他的METAtag一样，它应该放在HTML文件的HEAD区： html head metaname=”robots”content=”noindex,nofollow” metaname=”description”content=”Thispage….” title…/title /head body … RobotsMETAtag指令使用逗号隔开，可以使用的指令包括[NO]INDEX和[NO]FOLLOW。INDEX指令指出一个索引性robot是否可以对本页进行索引；FOLLOW指令指出robot是否可以跟踪本页的链接。缺省的情况是INDEX和FOLLOW。例如： metaname=”robots”content=”index,follow” metaname=”robots”content=”noindex,follow” metaname=”robots”content=”index,nofollow” metaname=”robots”content=”noindex,nofollow” 一个好的Web站点管理员应该将robot的管理考虑在内，使robot为自己的主页服务，同时又不损害自己网页的安全。

登录网站出现由于该网站的robots.txt文件存在限制指令(限制搜索引擎抓取),系统无法提供该页面,怎么办

原因：

因为网站的robots.txt文件屏蔽了百度，所以百度无法抓取该网站

方法：

1、修改robots文件，取消该页面的屏蔽，robots的标准写法百度百科里有详细介绍：网页链接

2、在百度站长平台（已更名为百度资源平台）更新网站robots，过一段时间，您的这个网站就会被正常抓取收录了。

影响:

Robots协议是网站出于安全和隐私考虑，防止搜索引擎抓取敏感信息而设置的。搜索引擎的原理是通过一种爬虫spider程序，自动搜集互联网上的网页并获取相关信息。

而鉴于网络安全与隐私的考虑，每个网站都会设置自己的Robots协议，来明示搜索引擎，哪些内容是愿意和允许被搜索引擎收录的，哪些则不允许。搜索引擎则会按照Robots协议给予的权限进行抓取。

Robots协议代表了一种契约精神，互联网企业只有遵守这一规则，才能保证网站及用户的隐私数据不被侵犯。违背Robots协议将带来巨大安全隐忧

此前，曾经发生过这样一个真实的案例：国内某公司员工郭某给别人发了封求职的电子邮件，该Email存储在某邮件服务公司的服务器上。因为该网站没有设置robots协议，导致该Email被搜索引擎抓取并被网民搜索到，为郭某的工作生活带来极大困扰。

如今，在中国国内互联网行业，正规的大型企业也都将Robots协议当做一项行业标准，国内使用Robots协议最典型的案例，就是淘宝网拒绝百度搜索、京东拒绝一淘搜索。不过，绝大多数中小网站都需要依靠搜索引擎来增加流量，因此通常并不排斥搜索引擎，也很少使用Robots协议。

北京市汉卓律师事务所首席律师赵虎表示，Robots协议是维护互联网世界隐私安全的重要规则。如果这种规则被破坏，对整个行业就是灭顶之灾。

以上内容参考 百度百科-robots协议

怎样查看网站robots.txt内容

robots文件一般放在网站根目录，所以想查看它很简单，

只需要在你的网站URL后面输入：robots.txt

以百度的robots为例：

如果觉得有用记得点个赞！

网站robots.txt文件怎么写

我们可以建立一个空白的文本文档，命名为robots.txt放在网站的根目录下即可。robots.txt写法如下：User-agent: *Disallow:（这个是指不允许指定的搜索引擎抓去页面）或者User-agent: *Allow: /（这个是指允许指定的搜索引擎抓去页面）

为什么电脑登录学习通的网站缺少robot.txt文件？

方法/步骤

首先我们需要了解下robot.txt文件的用途。说到robot.txt不得不提到robot（又称spider），robot就是搜索机器人，它能够自动访问互联网上的网页并获取网页信息。它会首先检查该站点根目录下是否存在robots.txt，如果存在，就会按照该文件中的内容来确定访问的范围；如果该文件不存在，所有的搜索蜘蛛将能够访问网站上所有没有被口令保护的页面。

robot.txt文件的详细使用教程

了解了它的用途之后，我们就可以深入的研究下这个文件了。一般建站的CMS下面都会自带有这个文件，而且里面书写了一些规则，当然这些规则都是根据CMS本身制定的。如果你用的不是现成的建站CMS，而是自己开发的，只需要在网站下面新建一个名为robot.txt文件即可。

robot.txt文件的详细使用教程

一般情况下robot.txt文件会以User-agent:开头，该项的值用于描述搜索引擎机器人robot的名字。例如User-agent:Baiduspider，就是针对百度蜘蛛进行的协议约束，robots.txt文件中至少要有一条User-agent记录。如果该项的值设为*（通配符），则该协议对任何搜索引擎机器人均有效。如果使用通配符，这样的记录只能有一条。

robot.txt文件的详细使用教程

第二个我们要熟悉的就是Disallow，这项值是用来描述不希望被搜索机器人访问到网址。这个网址可以是完整的路径，也就是域名加上目录名或者文件名的格式，也可以是相对，也就是除去了域名，只有文件名或者目录名。

robot.txt文件的详细使用教程

很多时候我们需要Disallow的文件或者目录并不止一个，有些人可能会图省事，直接把所有的文件或者目录都写在了一个Disallow中，其实这是一种错误的做法，正确的做法是一个Disallow的对应一个文件或者目录，有多少个目录或者文件需要设置就写几个Disallow的。

robot.txt文件的详细使用教程

robot.txt文件中也只有这两个属性了，只要掌握了这两个属性的用法，我们就可以根据自己网站的情况自定义robot.txt文件了，如果你的robot.txt文件没弄好，或出错了，会影响整个网站的收录，所以自定义robot文件的时候还需要格外注意。

robot.txt文件的详细使用教程

7

虽然我们有些目录不想被搜索机器人抓取，但是也不能写到robot.txt文件中，例如后台管理地址。相信这个目录大家都不想被蜘蛛攀爬，但是千万不要写入robot文件中，因为它可以被任何人访问，这样无形中让别人通过这个文件知道了你的后台地址，最后的结果只会事与愿违。

本文来源：https://www.yuntue.com/post/154875.html | 云服务器网，转载请注明出处！