从Robots协议看奇虎360与百度的互联网战争

导读：从今天9月份开始，奇虎360与百度公司的互联网搜索大战再掀波澜。近日，百度公司起诉奇虎360违反国际互联网公认的“Robots协议”，强行抓取、复制其网站内容构成侵权，向奇虎360索赔经济损失1亿元，而奇虎360认为，百度是滥用“Robots协议”或利用这一协议排斥竞争对手，欲垄断市场。在这场互联网战争的背后是商业的较量，更是搜索市场的蛋糕的利益驱动，也是无形营销的一种体现。在这场战争中，一直没有离开“Robots协议”这个话题，在这里，我们即将揭开“Robots协议”的神秘面纱。

1、Robots协议时什么样的协议？

Robots协议，也称爬虫协议或者机器人协议，它的全称是“网络爬虫排除标准”，英文为：Robots Exclusion Protocol。互联网上的站点通过Robots协议，告诉搜索引擎哪些页面是可以抓取的，哪些页面不能抓取。

Robots协议是国际互联网界通行的道德规范，基于以下原则建立：
（1）、搜索技术应服务于人类，同时尊重信息提供者的意愿，并维护其隐私权；
（2）、网站有义务保护其使用者的个人信息和隐私不被侵犯。

2、Robots协议的具体工作原理及介绍：

Robots协议是在一个robots.txt文件中定义的。robots.txt是搜索引擎中访问网站的时候要查看的第一个文件，robots.txt文件告诉蜘蛛程序在服务器上什么文件是可以被查看的。
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。百度官方建议，仅当您的网站包含不希望被搜索引擎收录的内容时，才需要使用robots.txt文件。如果您希望搜索引擎收录网站上所有内容，请勿建立robots.txt文件。

3、目前搜索引擎市场有哪些蜘蛛程序在运行呢？

google蜘蛛：Googlebot、百度蜘蛛：Baiduspider、baiduspider、360蜘蛛：360Spider、sogou蜘蛛：Sogou Web Spider、yahoo蜘蛛：Yahoo!slurp、alexa蜘蛛：ia_archiver、bing蜘蛛：MSNbot、altavista蜘蛛：scooter、lycos蜘蛛：lycos_spider_(t-rex)
alltheweb蜘蛛：fast-webcrawler、inktomi蜘蛛：slurp、Soso蜘蛛：Sosospider、Google Adsense蜘蛛：Mediapartners-Google、有道蜘蛛：YoudaoBot

4、常见网站的Robots协议是怎样的？

（1）、例如taobao：
User-agent: Baiduspider
Disallow: /
User-agent: baiduspider
Disallow: /

（2）、移动互联百科博客：

User-agent: *
Disallow: /wp-admin
Disallow: /wp-content/plugins
Disallow: /wp-content/themes
Disallow: /wp-includes
Disallow: /?s=
Sitemap: http://www.mbaike.net/sitemap.xml
Sitemap: http://www.mbaike.net/sitemap.xml.gz

（3）、禁止某个搜索引擎的访问
User-agent: BadBot
Disallow: /

（4）、允许所有的robot访问 (或者也可以建一个空文件 “/robots.txt” file)
User-agent: *
Allow: /

5、Robots协议怎样产生的？

robots.txt并不是某一个公司制定的，而是早在20世纪93、94年就早已出现，当时还没有Google。真实Robots协议的起源，是在互联网从业人员的公开邮件组里面讨论并且诞生的。即便是今天，互联网领域的相关问题也仍然是在一些专门的邮件组中讨论，并产生（主要是在美国）。

1994年6月30日，在经过搜索引擎人员以及被搜索引擎抓取的网站站长共同讨论后，正式发布了一份行业规范，即robots.txt协议。在此之前，相关人员一直在起草这份文档，并在世界互联网技术邮件组发布后，这一协议被几乎所有的搜索引擎采用，包括最早的altavista，infoseek，后来的google，bing，以及中国的百度，搜搜，搜狗等公司也相继采用并严格遵循。

Robot，又称Spider，是搜索引擎自动获取网页信息的电脑程序的通称。Robots协议的核心思想就是要求Robot程序不要去检索那些站长们不希望被直接搜索到的内容。将约束Robot程序的具体方法规范成格式代码，就成了Robots协议。一般来说，网站是通过Robots.txt文件来实现Robots协议。

自有搜索引擎之日起，Robots协议已是一种目前为止最有效的方式，用自律维持着网站与搜索引擎之间的平衡，让两者之间的利益不致过度倾斜。它就像一个钟摆，让互联网上的搜索与被搜索和谐相处。
 

总结：通过上面对于“Robots协议”知识的恶补，我们现在已经知道的“Robots协议”是什么、达到什么目的、以及互联网公司的“Robots”之争的缘由了。