搜索引擎都有自己的“搜索機(jī)器人”（ROBOTS），并通過(guò)這些ROBOTS在網(wǎng)絡(luò)上沿著網(wǎng)頁(yè)上的鏈接（一般是http和src鏈接）不斷抓取資料建立自己的數(shù)據(jù)庫(kù)。今天就給大家講一講比較實(shí)用的SEO技巧之robots.txt文件。

網(wǎng)站所有者使用/robots.txt文件向網(wǎng)絡(luò)機(jī)器人提供有關(guān)其網(wǎng)站的說(shuō)明; 這被稱為機(jī)器人排除協(xié)議。

工作原理

機(jī)器人想要訪問(wèn)網(wǎng)站，比如http://www.cnhakka.com.cn。

在此之前，它首先檢查http://www.cnhakka.com.cn/robots.txt，robots.txt文件信息。

存在：搜索機(jī)器人就會(huì)按照該文件中的內(nèi)容來(lái)確定訪問(wèn)的范圍

不存在：搜索機(jī)器人就沿著鏈接抓取。

首先，在我們寫robots之前，我們必須要知道，我們?yōu)槭裁匆獙懰@才是問(wèn)題的核心，千萬(wàn)不要因?yàn)閯e人也寫了你就也去效仿。robots，人稱“君子協(xié)議”，是網(wǎng)站和搜索引擎之間的協(xié)議，搜索引擎在爬行到你網(wǎng)站時(shí)會(huì)第一時(shí)間爬行到這個(gè)文件，然后會(huì)根據(jù)你寫的協(xié)議進(jìn)行爬行和抓取。

robots文件寫作步驟

在寫文件之前，我們需要有以下的權(quán)限，可以上傳文件到網(wǎng)站根目錄，因?yàn)閞obots是放在網(wǎng)站根目錄的。確認(rèn)好我們有權(quán)限之后，先可以開(kāi)始寫了。首先創(chuàng)建一個(gè)TXT文件，命名為robots.txt。

打開(kāi)文件第一步要寫的就是User-agent:，這代表的是你需要什么搜索引擎抓取你的網(wǎng)站，例如User-agent：*，代表的需要所有搜索引擎、User-agent：Baiduspider，代表的百度可以抓。

那么怎么禁止所有搜索引擎抓取呢?這設(shè)計(jì)要后面的知識(shí)，這里先寫出來(lái)，但不進(jìn)行解釋。User-agent：* Disallow:/。一般來(lái)說(shuō)我們都是允許所有的抓取，如有特殊需要可以自己去斟酌。

在寫好User-agent之后就是寫具體的規(guī)則了，主要有兩種：一種是allow和disallow也就是允許和不允許的意思。這個(gè)大家都能理解，我們的網(wǎng)站資源有限，有些東西沒(méi)必要抓取的就是不用浪費(fèi)帶寬，例如JS和CSS文件，還有出于安全考慮，網(wǎng)站后臺(tái)目錄也是不允許被抓取的。disallow寫法規(guī)則，禁止抓取某個(gè)目錄 disallow：/目錄/ 禁止抓取特定的文件 disallow：.php(.css .js) 禁止抓取圖片 disallow：.jpg(圖片格式)$。。。還有很多鐘用法。在這里我們說(shuō)明的是。并不是寫的越多越好，要根據(jù)實(shí)際情況去寫。

常用關(guān)鍵字段

User-Agent: 以下規(guī)則適用的機(jī)器人（例如“Googlebot”等）

Disallow: 您希望阻止機(jī)器人訪問(wèn)的頁(yè)面（根據(jù)需要，禁止多行）

Allow: 不需要阻止機(jī)器人訪問(wèn)的頁(yè)面

Noindex: 希望搜索引擎阻止和不要索引的頁(yè)面（如果先前已建立索引，則將其解除索引）

細(xì)節(jié)注意事項(xiàng)

機(jī)器人可以忽略你的/robots.txt。特別是在網(wǎng)絡(luò)上掃描安全漏洞的惡意軟件機(jī)器人以及垃圾郵件發(fā)送者使用的電子郵件地址收集器將不予理睬。

/robots.txt文件是一個(gè)公開(kāi)可用的文件。任何人都可以看到您不希望機(jī)器人使用的服務(wù)器部分。

robots.txt必須放置在一個(gè)站點(diǎn)的根目錄下(后面說(shuō))，而且文件名必須全部小寫。

如果”robots.txt”是一個(gè)空文件，則對(duì)于所有的搜索引擎robot，該網(wǎng)站都是開(kāi)放的。

第一個(gè)英文要大寫，冒號(hào)是英文狀態(tài)下，冒號(hào)后面有一個(gè)空格

如果“/”后面多了一個(gè)空格，則屏蔽整個(gè)網(wǎng)站

行前不能有空格，如 [空格][空格][空格] User-agent: *

禁止把命令放在一行，像這樣：User-agent: * Disallow:/

生效時(shí)間為幾天~幾個(gè)月

該文件放在那里

簡(jiǎn)單說(shuō)，只需要放置在web服務(wù)器頂級(jí)目錄中。

當(dāng)機(jī)器人查找URL的“/robots.txt”文件時(shí)，它會(huì)從URL中剝離路徑組件（來(lái)自第一個(gè)單斜杠的所有內(nèi)容），并將“/robots.txt”放在其位置。

例如，對(duì)于“ http://www.baidu.com/shop/index.html” ，它將刪除 /shop/index.html “，并將其替換為” /robots.txt “，最終將以“http://www.baidu.com/robots.txt”。

因此，需要將其放在Web服務(wù)器上的正確位置，以便生成該URL。通常，這是您放置網(wǎng)站主要“ index.html ”歡迎頁(yè)面的位置。究竟是什么，以及如何將文件放在那里，取決于Web服務(wù)器軟件。

注意：使用全文小寫作為文件名：“ robots.txt ”，而不是“ Robots.TXT。

最后就還有一個(gè)小技巧了，那就是寫入sitemap地址。我們都知道百度不會(huì)給小站開(kāi)通sitemap權(quán)限，所以我們可以在這里寫上。一般我們?cè)诟夸洿娣藕胹itemap，格式一般都是XML也有TXT的，寫法如下：Sitemap：http://www.jxfzseo.com/(網(wǎng)站名)sitemap.xml.