Robots.txt的标准制作法

一个网站，能够有robots.txt，也能够没有。但是如果要有，那就必须做的规范，下面就个人经验来说下robots.txt的制作方法。

　　robots.txt文件指令包含：

　　Disallow - 告知蜘蛛不要抓取某些文件或目录。如下面代码将阻止蜘蛛抓取一切的网站文件：

　　User-agent: *

　　Disallow: /

　　Allow - 告知蜘蛛应该抓取某些文件。Allow和Disallow配合运用，能够告知蜘蛛某个目录下，大部分都不抓取，只抓取一部分。如下面代码将使蜘蛛不抓取ab目录下其他文件，而只抓取其中cd下的文件：

　　User-agent: *

　　Disallow: /ab/

　　Allow: /ab/cd

　　$通配符 - 匹配URL结束的字符。如下面代码将答应蜘蛛拜访以.htm为后缀的URL：

　　User-agent: *

　　Allow: .htm$

　　*通配符 - 告知蜘蛛匹配任意一段字符。如下面一段代码将制止蜘蛛抓取一切htm文件：

　　User-agent: *

　　Disallow: /*.htm

　　Sitemaps位置 - 告知蜘蛛你的网站地图在哪里，格局为：

　　Sitemap:

　　三家都支撑的Meta标签包含：

　　NOINDEX - 告知蜘蛛不要索引某个网页。

　　NOFOLLOW - 告知蜘蛛不要跟踪网页上的链接。

　　NOSNIPPET - 告知蜘蛛不要在查找成果中显现阐明文字。

　　NOARCHIVE - 告知蜘蛛不要显现快照。

　　NOODP - 告知蜘蛛不要运用开放目录中的标题和阐明。

　　上面这些记载或标签，现在三家都共同支撑。其中通配符好像曾经雅虎微软并不支撑。百度现在也支撑Disallow，Allow及两种通配符。Meta标签我没有找到百度是否支撑的官方阐明。

　　只要Google支撑的Meta标签有：

　　UNAVAILABLE_AFTER - 告知蜘蛛网页什么时分过期。在这个日期之后，不该该再出现在查找成果中。

　　NOIMAGEINDEX - 告知蜘蛛不要索引页面上的图片。

　　NOTRANSLATE - 告知蜘蛛不要翻译页面内容。

　　雅虎还支撑Meta标签：

　　Crawl-Delay - 答应蜘蛛延时抓取的频率。

　　NOYDIR - 和NOODP标签类似，但是指雅虎目录，而不是开放目录。

　　Robots-nocontent - 告知蜘蛛被标注的部分html不是网页内容的一部分，或许换个角度，告知蜘蛛哪些部分是页面的主要内容(想被检索的内容)。

　　MSN还支撑Meta标签：

　　Crawl-Delay

　　别的提醒我们留意的是，回来404过错的时分，意味着答应蜘蛛抓取一切内容。但抓取robots.txt文件时却产生超时之类的过错，或许导致查找引擎不录入网站，因为蜘蛛不知道robots.txt文件是否存在或许里边有什么内容，这与确认文件不存在是不一样的。总之，正确制作 robots.txt 文件能够帮助网站更好地与搜索引擎配合，实现内容合理展示与隐私、资源等方面的有效管理。