网站robots.txt文件说明（2）

今天一天之内，准确的说相隔不到3个小时，就有两个朋友在QQ上让我帮他看看网站，为什么搜索引擎不收录。从我个人角度来看，他们的站做的还不错，除了个别地方（如有几页标题相同之类）不够，没有导致不收录的因素。最后一查看robots.txt，“Disallow: /”。 回想起来，找我咨询的朋友中，还真有不少的一部分都是这样的问题，所以写出来，供不熟悉的朋友参考。 1、robots.txt是什么？ robots.txt是一个纯文本文件，用来告诉网络蜘蛛（不仅限搜索引擎蜘蛛）本站中哪些位置允许抓取，哪些位置不允许抓取。 2、如何正确放置robots.txt？ 首先，robots.txt文件必须放置在网站根目录；有域名指向到次目录，在次目录放置的robots.txt文件只对此域名有效。 其次，文件名必须小写，如Robots.txt、roBots.txt、robots.TXT都是错误的。 3、robots.txt内容应该如何写？ 文件应该同时包含2个域，“User-agent:”和“Disallow:”，每条指令独立一行。 (1)User-agent: 指定允许哪些蜘蛛抓取，如果给出参数，则只有指定的蜘蛛能够抓取；如值为通配符“*”号，代表允许所有蜘蛛抓取。如： User-agent: Googlebot 只允许Google的蜘蛛抓取； User-agent: * 允许所有蜘蛛抓取。 注意：User-agent必须出现在第一行（有意义的行，注释除外），首先声明用户代理。 (2)Disallow: 指定禁止蜘蛛抓取的目录或文件，如： Disallow: /help.php 禁止抓取根目录下help.php文件； Disallow: /admin/ 禁止抓取根目录下的admin子目录中任何内容； Disallow: 值为空时，表示不限制，蜘蛛可以抓取站内任何内容。 如果需要指定多个目录或文件，可以用多个“Disallow: 文件或目录名”来指定，但必须每一项单独一行。 这就是前面说到的那两位朋友网站robots.txt的问题，他们用“Disallow: /”禁止了蜘蛛抓取根目录下的所有内容。 4、robots.txt需要注意的几个问题： robots.txt文件中任意一行Disallow的值为空，其他指定的项都将失效，整站允许User-agent指定的蜘蛛抓取； robots.txt文件中允许使用注释，以“#”开头的内容被认作注释；但注释最好独立成一行，尽量不要加在参数后面，如“Disallow: /admin/ #manage dir”，某些蜘蛛可能将注释当作值的一部分。 尽量不要在一行的前面出现空格，如“ Disallow: /”，可能某些蜘蛛无法正确读取。 推荐一个robots.txt检查工具：http://tool.motoricerca.info/robots-checker.phtml 5、将你的XML格式Sitemap地址放到robots.txt中 Robin新发现，并率先在国内提出的，大家可以到点石博客中下载Robin的“网站如何被高效索引”演讲稿阅读。 加入Sitemap地址的作用是，如果搜索引擎蜘蛛能够识别此行，就能快速获知网站的XML地图文件地址，并将地图文件作为一个URL参考进行高效索引（具体哪些搜索引擎蜘蛛能够识别目前我还不清楚）。 如樂思蜀SEO博客的robots.txt，紧接着User-agent的第二行： Sitemap: http://www.baidu.com/sitemap.xml 最后，给大家一个建议，不要太刻意的在robots.txt中设置过多禁止文件或目录，只设置确实不希望被搜索引擎索引的目录和文件就可以了。 特别是在不清楚文件或目录的作用时，不要轻易禁止抓取。前阵一位做旅游的朋友，网站中有大量的旅游景点图片，几大搜索引擎中却都没有索引，后来对网站检查时发现图片目录upload在管理目录admin下，被robots.txt禁止抓取了。 我知道可以通过Google 网站管理员工具向 Google 提交网站地图 Sitemap，那么我如何向百度、雅虎等其他搜索引擎提交呢？我是否需要制作一个类似 Google Sitemap 一样的 baidu Sitemap 呢？ 答案：搜索引擎都遵循一样的 Sitemap 协议，baidu Sitemap 内容和形式可以和 Google Sitemap 完全一样。但因为百度还没开通类似 Google 网站管理员工具的提交后台，所以，我们需要采用以下方式提交"baidu Sitemap" 。 我们可以通过在 robots.txt 文件中添加以下代码行来告诉搜索引擎 Sitemap 的存放位置。包括 XML Sitemap 和 文本形式的 Sitemap。 Sitemap:<sitemap_location><sitemap_location> 填写 Sitemap 的完整网址 如：http://www.example.com/sitemap.xml. http://www.example.com/sitemap.txt 如果有很多个.xml 或 .txt 文件，则你可以先建立一个索引文件，把这些.xml 或 .txt 文件的完整网址列在其中。<sitemap_location> 中填写完整的该索引文件的网址。 以上代码行放在 robots.txt 文件的任何位置都可以。 Google 网站管理员工具可以清楚看到 Sitemap 文件是否正确以及其他索引统计信息，所以除了以上的设置，我们建议你通过 Google 管理员工具再提交一次，以方便 Google 对你网站的更好收录。 虽然网上关于robots的文章已经很多了，发现都不尽全面，整理了一下供参考。 向Google、Yahoo!、MSN、Ask和百度提交sitemap 向Google提交网站地图Sitemap: 通过网址http://www.google.com/webmasters管理提交； 向Yahoo!提交网站地图Sitemap: 通过网址http://siteexplorer.search.yahoo.com管理提交； 向MSN提交网站地图Sitemap: 用URL直接提交：http://api.moreover.com/ping?u=http://your.domainname/sitemap.xml 这是向MSN直接提交网站地图的后门URL 向ASK提交网站地图Sitemap: 直接提交。http://submissions.ask.com/ping? ... ainname/sitemap.xml 向网店联盟提交地址：http://www.dianmeng.com/ 向百度Baidu提交网站地图Sitemap: 没办法，现在百度不支持Sitemap。但可通过http://www.baidu.com/search/url_submit.html来提交你的网址。百度会自行搜索，更新速度很快。</sitemap_location></sitemap_location></sitemap_location>