SEO优化-robots.txt解读
一、什么是robots.txt
robots.txt 文件由一条或多条规则组成。每条规则可禁止(或允许)特定抓取工具抓取相应网站中的指定文件路径。
通俗一点的说法就是:告诉爬虫,我这个网站,你哪些能看,哪些不能看的一个协议。
二、为什么要使用robots.txt
搜索引擎(爬虫),访问一个网站,首先要查看当前网站根目录下的robots.txt,然后依据里面的规则,进行网站页面的爬取。
也就是说,robots.txt起到一个基调的作用,也可以说是爬虫爬取当前网站的一个行为准则。
那使用robots.txt的目的,就很明确了。
- 更好地做定向SEO优化,重点曝光有价值的链接给爬虫
- 将敏感文件保护起来,避免爬虫爬取收录
三、robots.txt的示例
栗子如下:
User-agent: Googlebot
Disallow: /nogooglebot/
User-agent: *
Allow: /
Sitemap: http://www.wangxiaokai.vip/sitemap.xml
解析:
名为“Googlebot”抓取工具的用户代理不应抓取 http://wangxiaokai.vip/nogooglebot/ 文件夹或任何子目录。
所有其他用户代理均可访问整个网站。(不指定这条规则也无妨,结果是一样的,因为完全访问权限是系统默认的前提。)
网站的站点地图文件位于 http://www.wangxiaokai.vip/sitemap.xml
四、文件规范
1、文件格式和命名
- 文件格式为标准 ASCII 或 UTF-8
- 文件必须命名为 robots.txt
- 只能有 1 个 robots.txt 文件
2、文件位置
必须位于它所应用到的网站主机的根目录下
3、常用的关键字
- User-agent
网页抓取工具的名称
- Disallow
不应抓取的目录或网页
- Allow
应抓取的目录或网页
- Sitemap
网站的站点地图的位置
五、百度网盘的应用
百度网盘的资源,到博文编写时间为止,已经不能用常用的搜索技巧site:pan.baidu.com 搜索关键字
的方式,在baidu.com
|google.com
|biying.com(国际版还可以勉强搜索到)
去搜索对应的资源。
禁止的方式,很大程度上是依靠robots.txt
,而不是请去喝茶😆。
以下是访问 http://pan.baidu.com/robots.txt
得到的规则:
可以看到,百度网盘封杀了所有资源文件入口。
最狠的是最后一句:
User-agent: *
Disallow: /
我只想说有资源真的可以为所欲为😂
最近笔者在整理第一本电子书书稿《前端面试手册》,有兴趣的同学可以关注下~
喜欢我文章的朋友,可以通过以下方式关注我:
- 「star」 或 「watch」 我的GitHub blog
- RSS订阅我的个人博客:
![wall的个人博客](https://img2018.cnblogs.com/blog/718206/201908/718206-20190808234850902-481673533.png)