robots.txt禁止搜索引擎收录

 

禁止搜索引擎收录的方法
       

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 http://www.abc.com）时，首先会检查该网站中是否存在http://www.abc.com/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
http://www.w3.org/	http://www.w3.org/robots.txt
http://www.w3.org:80/	http://www.w3.org:80/robots.txt
http://www.w3.org:1234/	http://www.w3.org:1234/robots.txt
http://w3.org/	http://w3.org/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, or NL作为结束符），每一条记录的格式如下所示：

　　　　"<field>:<optionalspace><value><optionalspace>"。
                     

　　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"any robot"，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：

· Web                        Server Administrator's Guide to the Robots Exclusion Protocol                        
                       · HTML                        Author's Guide to the Robots Exclusion Protocol
                       · The original 1994 protocol                        description, as currently deployed
                       · The revised Internet-Draft                        specification, which is not yet completed or implemented