什么是robots協(xié)議？

1.robots.txt是什么？

有沒有想過，如果我們某個站點不讓百度和google收錄，那怎么辦？

搜索引擎已經(jīng)和我們達成一個約定，如果我們按約定那樣做了，它們就不會去收錄。這個寫約定的的文件命名為:robots.txt。robots.txt是一個最簡單的.txt文件，用以告訴搜索引擎哪些網(wǎng)頁可以收錄，哪些不允許收錄。

如果你的站點對所有搜索引擎公開，則不用做這個文件或者robots.txt為空就行。

2.Robots.txt文件怎么寫

robots.txt文件的格式：

User-agent：定義搜索引擎的類型

Disallow：定義禁止搜索引擎收錄的地址

Allow：定義允許搜索引擎收錄的地址

一般情況下，robots.txt里只寫著兩個函數(shù)：User-agent和Disallow，至少要有一個Disallow函數(shù)，如果都允許收錄，則寫:Disallow:，如果都不允許收錄，則寫:Disallow:/（注：只是差一個斜桿）。在文件中只寫出要屏蔽的蜘蛛就可以了，允許爬行的蜘蛛就不用寫出來了。并且，有幾個禁止，就得有幾個Disallow函數(shù)，要分行描述。

例1.禁止所有搜索引擎訪問網(wǎng)站的任何部分

User-agent:*（注：*是一個通配符，在這里指所有的搜索引擎種類）

Disallow:/

例2.禁止某個搜索引擎的訪問

User-agent:BadBot

Disallow:/

例3.允許某個搜索引擎的訪問

User-agent:Baiduspider

allow:/

例4.容許搜索引擎訪問特定目錄中的網(wǎng)頁

　　User-agent:*

　　Allow：/目錄1/目錄2（容許訪問目錄2中的網(wǎng)頁）

　　Allow：/目錄3/目錄4（容許訪問目錄4中的網(wǎng)頁）

　　Allow：/目錄5/目錄6（容許訪問目錄6中的網(wǎng)頁）

　　Disallow：/目錄1/

　　Disallow：/目錄3/

　　Disallow：/目錄5/

特別提示：robots里面內(nèi)容的大小寫不可更改，Disallow后面的冒號必須為英文狀態(tài)的。

3.Robots.txt文件應(yīng)放在哪里？

robots.txt文件必須放在網(wǎng)站的根目錄下，必須命名為：robots.txt，都是小寫，robot后面加"s"。放在子目錄的robots.txt文件搜索引擎不能爬取到，所以不會起任何作用。

例子：

http://www.cncn.com/robots.txt有效

http://www.cncn.com/bbs/robots.txt無效

4.生效時間

robots.txt文件一般生效時間為7-15天，即1-2周。如果新網(wǎng)站源碼中包含robots.txt文件，那樣蜘蛛進行爬行時就會生效，如果是后來添加的，那樣蜘蛛需要對數(shù)據(jù)進行更新，時間一般在7-15天。

5.關(guān)于robots.txt一般站長需要注意以下幾點：

1.）網(wǎng)站上經(jīng)常存在這種情況：不同的鏈接指向相似的網(wǎng)頁內(nèi)容。這不符合SEO上講的“網(wǎng)頁內(nèi)容互異性原則”。采用robots.txt文件可以屏蔽掉次要的鏈接。

2.）網(wǎng)站改版或URL重寫優(yōu)化時原來不符合搜索引擎友好的鏈接需要全部屏蔽掉。采用robots.txt文件刪除舊的鏈接符合搜索引擎友好。

3.）一些沒有關(guān)鍵詞的頁面，比如站內(nèi)的搜索結(jié)果頁面屏蔽掉更好

4.）網(wǎng)站中的腳本程序、樣式表等文件即使被蜘蛛收錄，也不會增加網(wǎng)站的收錄率，還只會占用服務(wù)器存儲空間。因此必須在robots.txt文件里設(shè)置不要讓搜索蜘蛛索引腳本程序、樣式表等文件。

5.）搜索蜘蛛抓取網(wǎng)頁太浪費服務(wù)器資源，在robots.txt文件中設(shè)置所有的搜索蜘蛛都不能抓取全部的網(wǎng)頁。如果這樣的話，會導(dǎo)致整個網(wǎng)站不能被搜索引擎收錄。