Robots协议(也称为爬虫协议、机器人协议等)的全称是“网络爬虫排除标准”(Robots Exclusion Protocol),网站通过Robots协议告诉搜索引擎哪些页面可以抓取,哪些页面不能抓取。
robots.txt是搜索引擎中访问网站的时候要查看的第一个文件。当一个搜索蜘蛛访问一个站点时,它会首先检查该站点根目录下是否存在robots.txt,如果存在,搜索机器人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。
robots.txt文件通常存放在网站根目录,想要搜索引擎搜索想要展示的页面,正确编写robots.txt文件很重要。
robots规则
- robots文件头部规则:
robots.txt文件的开头为User-agent:,用来指定搜索引擎蜘蛛。
User-agent:Baiduspider //针对百度搜索蜘蛛
User-agent:googlebot //针对谷歌搜索蜘蛛
User-agent: * /feed
Sitemap: http://domain/sitemap.xml
注意事项:
- 避免收录WordPress系统文件
- 避免收录重复的内容
- 正确引导搜索引擎找到网址地图
在线robots生成工具:http://tool.chinaz.com/robots/
上传robots.txt至网站根目录
robots.txt做好后,将此文件上传至服务器根目录。使用FileZilla工具连接服务器,将robots.txt文件上传至网站的根目录下。
测试robots.txt是否成功
浏览器地址栏直接输入http://domain/robots.txt,如果能正常访问并能看到自己刚配置的规则,表示robots.txt已生效。
80%的人都看过的文章
- WordPress创建和添加站点地图(sitemap)的两种方法
- WordPress网站如何优化Robots.txt文件