robot.txt分析与解读
2017-05-02 本文已影响0人
belief_8f6c
一、robot.txt简介
搜索引擎通过一种程序robot（又称spider），自动访问互联网上的网页并获取网页信息。您可以在您的网站中创建一个纯文本文件robots.txt，在这个文件中声明该网站中不想被robot访问的部分，这样，该网站的部分或全部内容就可以不被搜索引擎收录了，或者指定搜索引擎只收录指定的内容。
User-agent：该项的值用于描述搜索引擎robot的名字，在“robots.txt”文件中，如果有多条 User-agent记录说明有多个robot会受到该协议的限制，对该文件来说，至少要有一条User- agent记录。如果该项的值设为，则该协议对任何机器人均有效，在“robots.txt”文件 中，“User-agent：”这样的记录只能有一条。
Disallow：该项的值用于描述不希望被访问到的一个URL，这个URL可以是一条完整的路径，也可以 是部分的，任何以Disallow开头的URL均不会被robot访问到。任何一条Disallow记录为空，说明该网站的所有部分都允许被访问，在 “/robots.txt”文件中，至少要有一条Disallow记录。如果“/robots.txt”是一个空文件，则对于所有的搜索引擎robot，该网站都是开放的。
二、网易新闻robots.txt
User-agent: ToutiaoSpider
Disallow: /
表示禁止头条搜索引擎的访问
三、新浪博客robots.txt
User-agent: *
Allow: /admin/blogmove/
Disallow: /admin/
Disallow: /include/
Disallow: /html/
Disallow: /queue/
Disallow: /config/
表示对所有搜索引擎访问都有限制，允许访问/admin/blogmove/，不允许访问/admin/、/include/、/html/、 /queue/、/config/ 。
