雅酷SEO论坛

标题: 使用百度站长工具检查网站robots.txt内容作业 [打印本页]
作者: admin    时间: 2013-5-11 12:53
标题: 使用百度站长工具检查网站robots.txt内容作业
最近使用百度站长工具检查网站robots.txt内容作业，该选项百度站长工具提示请填写您想检测的网站地址，可是输入正确的网站地址检测后的检测结果提示：
抱歉，您的网站目前无法正常访问，请您修复后再试
1、目前支持48k的文件内容检测，请保证您的robots文件不要过大
2、目前支持的目录最长不超过250个字符
3、此检测只返回语法信息，不包括路径、实现逻辑的检测
反复多次测试总是如此提示同一服务器下，检测其他网站robots.txt内容的作业也是，呈现上述同样的百度站长工具回复结果，如果重启自己的网站服务器或者IIS体系，或可改善百度站长工具检测网站robots.txt内容，但是在其他站长工具网站做同样检测时候，每一次都能正常返回检测网站robots.txt内容，很迷茫到底是百度站长工具出现了BUG如是，还是网站服务器或者各个网站网站robots.txt内容，难道同时十几个网站robots.txt内容都坏了？下面内容规则介绍解答是百度站长工具权威发表：

1. 什么是robots.txt文件?
搜索引擎使用spider程序自动访问互联网上的网页并获取网页信息。spider在访问一个网站时，会首先会检查该网站的根域下是否有一个叫做 robots.txt的纯文本文件，这个文件用于指定spider在您网站上的抓取范围。您可以在您的网站中创建一个robots.txt，在文件中声明 该网站中不想被搜索引擎收录的部分或者指定搜索引擎只收录特定的部分。
请注意，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。

2. robots.txt文件放在哪里?
robots.txt文件应该放置在网站根目录下例如，当spider访问一个网站（ http://www.9wtt2.com ）时，首先会检查该网站中是否存在 http://www.9wtt2.com/robots.txt 这个文件，如果 Spider找到这个文件，它就会根据这个文件的内容，来确定它访问权限的范围。

网站 URL相应的 robots.txt的 URL
http://www.w3.org/http://www.w3.org/robots.txt
http://www.w3.org:80/http://www.w3.org:80/robots.txt
http://www.w3.org:1234/http://www.w3.org:1234/robots.txt
http://w3.org/http://w3.org/robots.txt

3. 我在robots.txt中设置了禁止百度收录我网站的内容，为何还出现在百度搜索结果中？如果其他网站链接了您robots.txt文件中设置的禁止收录的网页，那么这些网页仍然可能会出现在百度的搜索结果中，但您的网页上的内容不会被抓取、建入索引和显示，百度搜索结果中展示的仅是其他网站对您相关网页的描述。

4. 禁止搜索引擎跟踪网页的链接，而只对网页建索引
如果您不想搜索引擎追踪此网页上的链接，且不传递链接的权重，请将此元标记置入网页的 <HEAD> 部分：
<meta name="robots" content="nofollow">
如果您不想百度追踪某一条特定链接，百度还支持更精确的控制，请将此标记直接写在某条链接上：
<a href="signin.php" rel="nofollow">sign in</a>
要允许其他搜索引擎跟踪，但仅防止百度跟踪您网页的链接，请将此元标记置入网页的<HEAD> 部分：
<meta name="Baiduspider" content="nofollow">

5. 禁止搜索引擎在搜索结果中显示网页快照，而只对网页建索引
要防止所有搜索引擎显示您网站的快照，请将此元标记置入网页的<HEAD>部分：
<meta name="robots" content="noarchive">
要允许其他搜索引擎显示快照，但仅防止百度显示，请使用以下标记：
<meta name="Baiduspider" content="noarchive">
注：此标记只是禁止百度显示该网页的快照，百度会继续为网页建索引，并在搜索结果中显示网页摘要。

6. 我想禁止百度图片搜索收录某些图片，该如何设置？
禁止Baiduspider抓取网站上所有图片、禁止或允许Baiduspider抓取网站上的某种特定格式的图片文件可以通过设置robots实现，请参考“robots.txt文件用法举例”中的例10、11、12。

7. robots.txt文件的格式
"robots.txt"文件包含一条或更多的记录，这些记录通过空行分开（以CR,CR/NL, or NL作为结束符），每一条记录的格式如下所示：
"<field>:<optional space><value><optional space>"
在该文件中可以使用#进行注解，具体使用方法和UNIX中的惯例一样。该文件中的记录通常以一行或多行User-agent开始，后面加上若干Disallow和Allow行,详细情况如下：
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"robots.txt"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*，则对任何robot均有效， 在"robots.txt"文件中，"User-agent:*"这样的记录只能有一条。如果在"robots.txt"文件中，加入"User- agent:SomeBot"和若干Disallow、Allow行，那么名为"SomeBot"只受到"User-agent:SomeBot"后面的 Disallow和Allow行的限制。
Disallow:
    该项的值用于描述不希望被访问的一组URL，这个值可以是一条完整的路径，也可以是路径的非空前缀，以Disallow项的值开头的URL不会被 robot访问。例如"Disallow:/help"禁止robot访问/help.html、/helpabc.html、/help /index.html，而"Disallow:/help/"则允许robot访问/help.html、/helpabc.html，不能访问 /help/index.html。"Disallow:"说明允许robot访问该网站的所有url，在"/robots.txt"文件中，至少要有一 条Disallow记录。如果"/robots.txt"不存在或者为空文件，则对于所有的搜索引擎robot，该网站都是开放的。
Allow:
    该项的值用于描述希望被访问的一组URL，与Disallow项相似，这个值可以是一条完整的路径，也可以是路径的前缀，以Allow项的值开头的URL 是允许robot访问的。例如"Allow:/hibaidu"允许robot访问/hibaidu.htm、/hibaiducom.html、 /hibaidu/com.html。一个网站的所有URL默认是Allow的，所以Allow通常与Disallow搭配使用，实现允许访问一部分网页 同时禁止访问其它所有URL的功能。
使用"*"and"$"：
Baiduspider支持使用通配符"*"和"$"来模糊匹配url。
"$" 匹配行结束符。
"*" 匹配0或多个任意字符。
注：我们会严格遵守robots的相关协议，请注意区分您不想被抓取或收录的目录的大小写，我们会对robots中所写的文件和您不想被抓取和收录的目录做精确匹配，否则robots协议无法生效。

8. URL匹配举例

Allow或Disallow的值URL匹配结果
/tmp/tmpyes
/tmp/tmp.htmlyes
/tmp/tmp/a.htmlyes
/tmp/tmphohono
/Hello*/Hello.htmlyes
/He*lo/Hello,loloyes
/Heap*lo/Hello,lolono
html$/tmpa.htmlyes
/a.html$/a.htmlyes
htm$/a.htmlno

9. robots.txt文件用法举例

例1. 禁止所有搜索引擎访问网站的任何部分
下载该robots.txt文件		User-agent: *
Disallow: /
例2. 允许所有的robot访问
(或者也可以建一个空文件 "/robots.txt")		User-agent: *
Allow: /
例3. 仅禁止Baiduspider访问您的网站User-agent: Baiduspider
Disallow: /
例4. 仅允许Baiduspider访问您的网站User-agent: Baiduspider
Allow: /

User-agent: *
Disallow: /
例5. 仅允许Baiduspider以及Googlebot访问User-agent: Baiduspider
Allow: /

User-agent: Googlebot
Allow: /

User-agent: *
Disallow: /
例6. 禁止spider访问特定目录
在这个例子中，该网站有三个目录对搜索引擎的访问做了限制，即robot不会访问这三个目录。需要注意的是对每一个目录必须分开声明，而不能写成 "Disallow: /cgi-bin/ /tmp/"。		User-agent: *
Disallow: /cgi-bin/
Disallow: /tmp/
Disallow: /~joe/
例7. 允许访问特定目录中的部分urlUser-agent: *
Allow: /cgi-bin/see
Allow: /tmp/hi
Allow: /~joe/look
Disallow: /cgi-bin/
Disallow: /tmp/
Disallow: /~joe/
例8. 使用"*"限制访问url
禁止访问/cgi-bin/目录下的所有以".htm"为后缀的URL(包含子目录)。 		User-agent: *
Disallow: /cgi-bin/*.htm
例9. 使用"$"限制访问url
仅允许访问以".htm"为后缀的URL。		User-agent: *
Allow: /*.htm$
Disallow: /
例10. 禁止访问网站中所有的动态页面User-agent: *
Disallow: /*?*
例11. 禁止Baiduspider抓取网站上所有图片
仅允许抓取网页，禁止抓取任何图片。		User-agent: Baiduspider
Disallow: /*.jpg$
Disallow: /*.jpeg$
Disallow: /*.gif$
Disallow: /*.png$
Disallow: /*.bmp$
例12. 仅允许Baiduspider抓取网页和.gif格式图片
允许抓取网页和gif格式图片，不允许抓取其他格式图片		User-agent: Baiduspider
Allow: /*.gif$
Disallow: /*.jpg$
Disallow: /*.jpeg$
Disallow: /*.png$
Disallow: /*.bmp$
例13. 仅禁止Baiduspider抓取.jpg格式图片User-agent: Baiduspider
Disallow: /*.jpg$

10. robots.txt文件参考资料
关于robots.txt文件的更具体设置，请参看百度搜索其他百度知道的链接。或者搜索更多相关的网络问答线索，以及去登陆SEO论坛交流探索答案。

根据上述百度站长工具对于网站robots.txt内容，所做的各项详细解答查找自己网站的robots.txt内容，全部都是正确的而且也不可能自己众多网站该文件同时损坏，即使真的坏了那也不可能重启服务器或IIS体系即好，如果说是服务器或者IIS体系损坏的话可是，去其他的站长工具网站检测网站robots.txt内容，却又是全部都能识别读取分析说明服务器和IIS，理论上因该物理上无任何硬件软件故障呈现的。。。






作者: admin    时间: 2013-5-11 13:06
难道同时十几个网站robots.txt内容都坏了？
作者: 大連偉哥    时间: 2013-5-11 13:49
或者搜索更多相关的网络问答线索，以及去登陆seo论坛交流探索答案。
作者: 天堂ii管理    时间: 2013-5-14 13:55
使用百度站长工具检查网站robots.txt内容作业
作者: 天堂ii管理    时间: 2013-6-11 00:57
去其他的站长工具网站检测网站robots.txt内容，却又是全部都能识别读取分析说明服务器和IIS，理论上因该物理上无任何硬件软件故障呈现的。。。
作者: admin    时间: 2013-9-11 20:36
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
作者: admin    时间: 2016-9-19 11:09

这一个雅酷seo论坛写的好，平淡中显示出不凡的文学功底，可谓是字字珠玑句句经典，是我辈应当学习之典范。就小说艺术的角度而言，这段说说可能不算太成功，但它的实验意义却远远大于成功本身。正所谓：“一马奔腾，射雕引弓，天地都在我心中！”真不愧为无厘界新一代的开山怪！逐字逐句地看完雅酷seo论坛以后，业界良心久久不能平静震撼啊！为什么会有如此好的雅酷seo论坛。。。



欢迎光临 雅酷SEO论坛 (http://www.yaiku.com/) Powered by Discuz! X2.5