如何是搜索引擎不抓取你的網站

06-12

什麼是robots.txt文件? 搜索引擎通過一種程序robot（又稱spider），自動訪問互聯網上的網頁並獲取網頁信息。您可以在您的網站中創建一個純文本文件robots.txt，在這個文件中聲明該網站中不想被robot訪問的部分，這樣，該網站的部分或全部內容就可以不被搜索引擎收錄了，或者指定搜索引擎只收錄指定的內容。

robots.txt文件放在哪裡? robots.txt文件應該放在網站根目錄下。舉例來說，當robots訪問一個網站（比如http://www.abc.com）時，首先會檢查該網站中是否存在http://www.abc.com/robots.txt這個文件，如果機器人找到這個文件，它就會根據這個文件的內容，來確定它訪問許可權的範圍。

robots.txt文件的格式 "robots.txt"文件包含一條或更多的記錄，這些記錄通過空行分開（以CR,CR/NL, or NL作為結束符），每一條記錄的格式如下所示："<field>:<optionalspace><value><optionalspace>"。在該文件中可以使用#進行註解，具體使用方法和UNIX中的慣例一樣。該文件中的記錄通常以一行或多行User-agent開始，後面加上若干Disallow行,詳細情況如下：User-agent:　　該項的值用於描述搜索引擎robot的名字，在"robots.txt"文件中，如果有多條User-agent記錄說明有多個robot會受到該協議的限制，對該文件來說，至少要有一條User-agent記錄。如果該項的值設為*，則該協議對任何機器人均有效，在"robots.txt"文件中，"User-agent:*"這樣的記錄只能有一條。Disallow:　　該項的值用於描述不希望被訪問到的一個URL，這個URL可以是一條完整的路徑，也可以是部分的，任何以Disallow開頭的URL均不會被robot訪問到。例如"Disallow:/help"對/help.html 和/help/index.html都不允許搜索引擎訪問，而"Disallow:/help/"則允許robot訪問/help.html，而不能訪問/help/index.html。任何一條Disallow記錄為空，說明該網站的所有部分都允許被訪問，在"/robots.txt"文件中，至少要有一條Disallow記錄。如果"/robots.txt"是一個空文件，則對於所有的搜索引擎robot，該網站都是開放的。
robots.txt文件用法舉例

例1. 禁止所有搜索引擎訪問網站的任何部分下載該robots.txt文件	User-agent: Disallow: /*
例2. 允許所有的robot訪問 (或者也可以建一個空文件 "/robots.txt" file)	User-agent: Disallow:*
例3. 禁止某個搜索引擎的訪問	User-agent: BadBotDisallow: /
例4. 允許某個搜索引擎的訪問	User-agent: baiduspiderDisallow: User-agent: Disallow: /*
例5.一個簡單例子　　在這個例子中，該網站有三個目錄對搜索引擎的訪問做了限制，即搜索引擎不會訪問這三個目錄。　　需要注意的是對每一個目錄必須分開聲明，而不要寫成 "Disallow: /cgi-bin/ /tmp/"。　　User-agent:後的具有特殊的含義，代表"any robot"，所以在該文件中不能有"Disallow: /tmp/" or "Disallow:*.gif"這樣的記錄出現.	User-agent: Disallow: /cgi-bin/Disallow: /tmp/Disallow: /~joe/*

robots.txt文件參考資料 robots.txt文件的更具體設置,請參看以下鏈接：· 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