丰满少妇理伦A片在线看,精品日产卡一卡二卡麻豆,天堂之囚在线观看,少妇富婆按摩偷人a片

  • 歡迎使用超級(jí)蜘蛛池（CJZZC）網(wǎng)站外鏈優(yōu)化，收藏快捷鍵 CTRL + D

SEO优化基础知识，网站robots.txt协议你知道多少？

超級(jí)蜘蛛池 2021年3月4日 17:28 3599

大部分網(wǎng)站都有一個(gè)robots協(xié)議，也稱為，爬蟲協(xié)議或機(jī)器人協(xié)議。以文本文件格式存在，一般都叫做robots.txt，是網(wǎng)站告訴搜索引擎蜘蛛程序哪些頁(yè)面是可以抓取，哪些頁(yè)面是拒絕抓取的。當(dāng)搜索引擎蜘蛛來訪問網(wǎng)站的時(shí)候，第一件事就是先讀取robots文件，然后遵循協(xié)議進(jìn)行對(duì)網(wǎng)站進(jìn)行訪問抓取。如果網(wǎng)站不存在robots協(xié)議，那么會(huì)被視為可以抓取網(wǎng)站上的所有內(nèi)容。包括敏感隱私文件。所有建議是網(wǎng)站都應(yīng)該有robots協(xié)議。

SEO優(yōu)化基礎(chǔ)知識(shí)，網(wǎng)站robots.txt協(xié)議你知道多少？

一、什么是robots協(xié)議文件

robots協(xié)議算是用來確保網(wǎng)站隱私信息不被泄露，通過robots協(xié)議定義的規(guī)則對(duì)搜索引擎抓取網(wǎng)站內(nèi)容做了約定，說白話解釋，就是告訴蜘蛛，某些頁(yè)面是不對(duì)蜘蛛開放訪問的。一般存放在網(wǎng)站的根目錄，但是說白了，各大搜索引擎會(huì)抓取嗎？

個(gè)人覺得是都抓取的，可能只是在對(duì)頁(yè)面進(jìn)行加入索引庫(kù)的時(shí)候進(jìn)行處理，那些頁(yè)面不加入索引庫(kù)，因?yàn)楫吘顾阉饕嬲f白了就是數(shù)據(jù)公司，不會(huì)放過每一個(gè)數(shù)據(jù)。當(dāng)然這個(gè)也只是猜測(cè)，我們做網(wǎng)站優(yōu)化，對(duì)于robots文件做到我們應(yīng)該做的就好。

Robot 協(xié)議中加入網(wǎng)站后臺(tái)的話可用*號(hào)代替一些字符來保證安全。

Robots 協(xié)議能更好的輔助搜索引擎蜘蛛抓取我們的網(wǎng)站提高抓取效率。

網(wǎng)站上線后當(dāng)天如果還沒修改完畢可以利用 

User-agent: *
Disallow: /

來屏蔽所有搜索引擎蜘蛛

robots協(xié)議的寫法格式

二、robots協(xié)議的寫法格式

1、允許所有搜索引擎蜘蛛：

User-agent: *
Allow: /

另一寫法：

User-agent: *
Disallow:

2、僅允許特定的百度蜘蛛：

User-agent: baiduspider
Allow:

3、攔截所有的搜索引擎蜘蛛：

User-agent: *
Disallow: /

4、禁止所有搜索引擎訪問特定目錄：

User-agent: *
Disallow: /cgi-bin/
Disallow: /images/
Disallow: /tmp/
Disallow: /private/

5、僅禁止壞爬蟲訪問特定目錄（BadBot用真實(shí)的名字代替）：

User-agent: BadBot
Disallow: /private/

6、禁止所有機(jī)器人訪問特定文件類型[2]：

User-agent: *
Disallow: /*.php$
Disallow: /*.js$
Disallow: /*.inc$
Disallow: /*.css$

三、robots協(xié)議的一些使用誤區(qū)

1，假設(shè)網(wǎng)站上的所有文件都同意蜘蛛抓取，沒有什么隱私文件可隱藏不見的。那是不是網(wǎng)站就可以不必要增加robots協(xié)議文件了呢？答案當(dāng)然是否定的。如果不存在robots協(xié)議文件，那搜索引擎蜘蛛將會(huì)對(duì)網(wǎng)站所有頁(yè)面都進(jìn)行抓取，包括404頁(yè)面，404頁(yè)面抓取收錄會(huì)對(duì)網(wǎng)站造成過多重復(fù)頁(yè)面的負(fù)面。而且蜘蛛訪問robots.txt的時(shí)候也是會(huì)給蜘蛛返回404錯(cuò)誤。

2，robots協(xié)議文件中設(shè)置所有文件都可以被蜘蛛抓取，并不能增加網(wǎng)站的收錄。網(wǎng)站程序中的一些腳本文件，CSS文件，IMG文件等等跟網(wǎng)站內(nèi)容不相關(guān)的文件也會(huì)被蜘蛛抓取，并不會(huì)對(duì)網(wǎng)站收錄有好的作用。甚至可能被認(rèn)為內(nèi)容與主題不符而被受到懲罰。那豈不是得不償失。

3，過多蜘蛛對(duì)所有文件進(jìn)行抓取，也完全是在浪費(fèi)服務(wù)器的資源，造成服務(wù)器卡頓，反而會(huì)影響用戶正常訪問，同時(shí)對(duì)蜘蛛訪問也有影響，如果蜘蛛抓取過慢會(huì)認(rèn)為網(wǎng)站打開過慢，不僅僅導(dǎo)致整個(gè)站點(diǎn)的頁(yè)面收錄受到影響，而且會(huì)被受到網(wǎng)站服務(wù)器過慢懲罰。

四、什么樣的文件可以設(shè)置不被蜘蛛抓取

網(wǎng)站中不需要搜索引擎蜘蛛抓取的文件有：后臺(tái)管理文件、程序腳本、附件、數(shù)據(jù)庫(kù)文件、編碼文件、樣式表文件、模板文件、導(dǎo)航圖片和背景圖片等等。

可以在robots.txt文件中作出如下設(shè)置：

User-agent: *
Disallow: /admin/ 后臺(tái)管理文件
Disallow: /require/ 程序文件
Disallow: /attachment/ 附件
Disallow: /images/ 圖片
Disallow: /data/ 數(shù)據(jù)庫(kù)文件
Disallow: /template/ 模板文件
Disallow: /css/ 樣式表文件
Disallow: /lang/ 編碼文件
Disallow: /script/ 腳本文件

如果你的網(wǎng)站是動(dòng)態(tài)網(wǎng)頁(yè)，并且這些動(dòng)態(tài)網(wǎng)頁(yè)創(chuàng)建了靜態(tài)副本，方便搜索蜘蛛更容易抓取。那么你需要在robots.txt文件里設(shè)置避免動(dòng)態(tài)網(wǎng)頁(yè)被蜘蛛索引，以保證這些網(wǎng)頁(yè)不會(huì)被視為含重復(fù)內(nèi)容。

robots.txt文件里還可以直接包括在sitemap文件的鏈接。

就像這樣：Sitemap: http://www.hkass.cn/sitemap.xml

目前對(duì)此表示支持的搜索引擎公司有Google, Yahoo, Ask and MSN。而中文搜索引擎公司，顯然不在這個(gè)圈子內(nèi)。這樣做的好處就是，站長(zhǎng)不用到每個(gè)搜索引擎的站長(zhǎng)工具或者相似的站長(zhǎng)平臺(tái)，去提交自己的sitemap文件，搜索引擎的蜘蛛自己就會(huì)抓取robots.txt文件，讀取其中的sitemap路徑，接著抓取其中相鏈接的網(wǎng)頁(yè)。

合理使用robots.txt文件還能避免訪問時(shí)出錯(cuò)。比如，不能讓搜索者直接進(jìn)入購(gòu)物車頁(yè)面。因?yàn)闆]有理由使購(gòu)物車被收錄，所以你可以在robots.txt文件里設(shè)置來阻止搜索者直接進(jìn)入購(gòu)物車頁(yè)面。

robots協(xié)議文件的黑帽SEO作用

五、robots協(xié)議文件的黑帽SEO作用

禁止快照編輯，要防止所有搜索引擎顯示您網(wǎng)站的快照，請(qǐng)將此元標(biāo)記置入網(wǎng)頁(yè)<HEAD> 部分：

<meta name="robots" content="noarchive">

要允許其他搜索引擎顯示快照，但僅防止百度搜索引擎顯示，請(qǐng)使用以下標(biāo)記：

<meta name="Baiduspider" content="noarchive">

六、常見Robots名稱

google蜘蛛：googlebot

百度蜘蛛：baiduspider

搜狗蜘蛛：sogouspider

360蜘蛛：360Spider

yahoo蜘蛛：slurp

alexa蜘蛛：ia_archiver

msn蜘蛛：msnbot

altavista蜘蛛：scooter

lycos蜘蛛：lycos_spider_(t-rex)

alltheweb蜘蛛：fast-webcrawler/

inktomi蜘蛛：slurp

七、robots協(xié)議的一些無法解決的問題

Robots協(xié)議并不是多么高級(jí)的技術(shù)，而只是互聯(lián)網(wǎng)中一種各個(gè)機(jī)構(gòu)互相尊重的協(xié)議，好比私家花園的門口掛著“閑人免進(jìn)”，尊重者繞道而行，不尊重者依然可以推門而入。目前，Robots協(xié)議在實(shí)際使用中，還存在一些無法解決的問題。

比如：robots.txt本身也是網(wǎng)站文件，也是需要抓取的，蜘蛛爬蟲出于效率考慮，一般不會(huì)每次抓取網(wǎng)站網(wǎng)頁(yè)之前都爬取一遍robots.txt，本來robots.txt更新就不頻繁。通常爬蟲的做法是先抓取一次，解析后緩存下來，而且是相當(dāng)長(zhǎng)的時(shí)間不會(huì)再次抓取robots.txt。假設(shè)網(wǎng)站管理員更新了robots.txt，修改了某些規(guī)則，但是對(duì)爬蟲來說并不會(huì)立刻生效，只有當(dāng)爬蟲下次抓取robots.txt之后才能看到最新的內(nèi)容。尷尬的是，爬蟲下次抓取robots.txt的時(shí)間并不是由網(wǎng)站管理員控制的。所以，有些搜索引擎提供了web工具可以讓網(wǎng)站管理員通知搜索引擎那個(gè)url發(fā)生了變化，建議重新抓取。

注意，此處是建議，即使你通知了搜索引擎，搜索引擎何時(shí)抓取仍然是不確定的，只是比完全不通知要好點(diǎn)。至于好多少，那就看搜索引擎的良心和技術(shù)能力了。

在互聯(lián)網(wǎng)的大部分公司，有些爬蟲不太遵守或者完全忽略robots.txt，不排除開發(fā)人員能力的問題，比如說根本不知道robots.txt。另外，本身robots.txt不是一種強(qiáng)制措施，也根本沒有辦法強(qiáng)制阻止爬蟲抓取網(wǎng)站內(nèi)容，當(dāng)然如果網(wǎng)站有數(shù)據(jù)需要保密，必須采取加密的技術(shù)措施，比如說：用戶驗(yàn)證，內(nèi)容加密傳輸，ip白名單黑名單攔截，訪問頻率控制攔截等等技術(shù)手段來對(duì)惡意爬取進(jìn)行規(guī)避。

在互聯(lián)網(wǎng)世界中，每天每時(shí)每刻都有不計(jì)其數(shù)的爬蟲在日夜不息地爬取數(shù)據(jù)，其中惡意爬蟲的數(shù)量遠(yuǎn)遠(yuǎn)高于非惡意爬蟲。但是并不是每個(gè)爬蟲都會(huì)主動(dòng)遵守Robots協(xié)議。

惡意爬蟲可以帶來很多潛在威脅，比如電商網(wǎng)站的商品信息被爬取可能會(huì)被競(jìng)爭(zhēng)對(duì)手利用，過多的爬蟲還會(huì)占用帶寬資源、甚至導(dǎo)致網(wǎng)站宕機(jī)。

反惡意爬蟲是一件漫長(zhǎng)而艱巨的任務(wù)，如果依靠自身實(shí)力難以解決，可以借助業(yè)務(wù)風(fēng)險(xiǎn)分析平臺(tái)來反惡意爬蟲，根據(jù)自己的需求來定制功能。而且對(duì)于惡意爬蟲是可以對(duì)其進(jìn)行電子取證，如果有涉及到對(duì)自身網(wǎng)站有造成經(jīng)濟(jì)損失的，可以對(duì)惡意爬蟲所屬公司個(gè)人進(jìn)行起訴要求賠償?shù)摹?/p>

本文鏈接：http://www.hkass.cn/article/1071.html

超級(jí)蜘蛛工具

  • 網(wǎng)站鏈接HTTP狀態(tài)批量檢測(cè)_在線批量檢測(cè)網(wǎng)站鏈接狀態(tài)_超級(jí)蜘蛛池
  • 百度關(guān)鍵詞排名查詢_網(wǎng)站關(guān)鍵詞排名批量查詢_超級(jí)蜘蛛池
  • 百度收錄查詢_在線百度收錄批量查詢_超級(jí)蜘蛛池
  • 域名IP地址批量查詢_在線批量查詢網(wǎng)站IP地址_超級(jí)蜘蛛池
  • 超級(jí)外鏈發(fā)布工具_(dá)在線免費(fèi)批量發(fā)布SEO外鏈_超級(jí)蜘蛛池
  • 網(wǎng)頁(yè)蜘蛛模擬抓取測(cè)試工具_(dá)超級(jí)蜘蛛工具_(dá)超級(jí)蜘蛛池