正确使用robots.txt文件提升网站SEO效果

robots协议也叫robots.txt（统一小写）是一种存放于网站根目录下的ASCII编码的文本文件，它通常告诉网络搜索引擎的漫游器（又称网络蜘蛛），此网站中的哪些内容是不应被搜索引擎的漫游器获取的，哪些是可以被漫游器获取的。因为一些系统中的URL是大小写敏感的，所以robots.txt的文件名应统一为小写。

robots.txt文件应位于您网站的根目录下。也就是说，如果您的网站是www.weinotes.com，则robots.txt文件的路径应为www.weinotes.com/robots.txt。robots.txt是一种遵照漫游器排除标准创建的纯文本文件，由一条或多条规则组成。每条规则可禁止（或允许）特定抓取工具抓取相应网站中的指定文件路径。

下面是一个包含两条规则的简单robots.txt文件，具体解析见下文：

#Group 1

User-agent:Googlebot

Disallow:/nogooglebot/

#Group 2

User-agent:*

Allow:/

Sitemap:http://www.weinotes.com/sitemap.xml

解析：

名为“Googlebot”抓取工具的用户代理不应抓取http://www.weinotes.com/nogooglebot/文件夹或任何子目录。

所有其他用户代理均可访问整个网站。（不指定这条规则也无妨，结果是一样的，因为完全访问权限是系统默认的前提。）

网站的站点地图文件位于http://www.weinotes.com/sitemap.xml。

基本的robots.txt准则

以下是与robots.txt文件有关的基本准则。建议您阅读robots.txt文件的完整语法，因为robots.txt语法中有一些您需要了解的细微行为。

1、格式和位置

您几乎可以使用任意文本编辑器创建robots.txt文件。您所用的文本编辑器应能够创建标准UTF-8文本文件；请勿使用文字处理软件，因为此类软件通常会将文件保存为专有格式，且可能会向文件中添加非预期的字符（如弯引号），而这可能会导致抓取工具无法顺利读取robots.txt文件。

使用robots.txt测试工具为您的网站编写或修改robots.txt文件。借助此工具，您可以测试自己网站的语法和行为。

格式和位置规则：

• 文件必须命名为robots.txt。
• 您的网站只能有1个robots.txt文件。
• robots.txt文件必须位于要应用到的网站主机的根目录下。例如，要控制对http://www.weinotes.com/下所有网址的抓取，就必须将robots.txt文件放在http://www.weinotes.com/robots.txt下，而不能将其放在子目录（例如http://weinotes.com/pages/robots.txt）下。如果您不确定如何访问自己的网站根目录，或者需要相应权限才能进行访问，请与网站托管服务提供商联系。如果您无法访问自己的网站根目录，请改用其他屏蔽方法（例如元标记）。

2、语法

• robots.txt必须是UTF-8编码的文本文件（包括ASCII）。不能使用其他字符集。
• robots.txt文件包含一个或多个组。
• 每个组由多条规则或指令（命令）组成，每条指令各占一行。

每个组包含以下信息：

• 代理可以访问哪些目录或文件，和/或代理无法访问哪些目录或文件。
• 系统会按照从上到下的顺序处理这些组，而且一个用户代理只能匹配1个规则集（即与相应用户代理匹配的首条最具体的规则）。
• 系统的默认假设是：用户代理可以抓取所有未被Disallow:规则禁止访问的网页或目录。

规则区分大小写。例如，Disallow:/file.asp适用于http://www.weinotes.com/file.asp，但不适用于http://www.weinotes.com/FILE.asp。

3、robots.txt文件中可以使用下列指令：

User-agent：[必需，每个组需含一个或多个User-agent条目]此规则的适用搜索引擎漫游器（即网页抓取工具软件）的名称。这是每条规则的首行内容。Web Robots Database或Google用户代理列表中列出了大多数Google用户代理名称。支持使用星号(*)通配符表示路径前缀、后缀或整个字符串。如下例中那样使用星号(*)可匹配除各种AdsBot抓取工具之外（此类抓取工具必须明确指定）的所有抓取工具。（查看Google抓取工具名称列表。）示例：

#示例1：仅屏蔽Googlebot

User-agent:Googlebot

Disallow:/

#示例2：屏蔽Googlebot和Adsbot

User-agent:Googlebot

User-agent:AdsBot-Google

Disallow:/

#示例3：屏蔽除AdsBot抓取工具之外的所有抓取工具

User-agent:*

Disallow:/

Disallow：[每条规则需含至少一个或多个Disallow或Allow条目]用户代理不应抓取的目录或网页（相对于根网域而言）。如果要指定网页，应提供浏览器中显示的完整网页名称；如果要指定目录，则应以标记“/”结尾。支持使用通配符“*”表示路径前缀、后缀或整个字符串。

Allow：[每条规则需含至少一个或多个Disallow或Allow条目]上文中提到的用户代理应抓取的目录或网页（相对于根网域而言）。此指令用于替换Disallow指令，从而允许抓取已禁止访问的目录中的子目录或网页。如果要指定网页，就应提供浏览器中显示的完整网页名称；如果要指定目录，则应以标记“/”结尾。支持使用通配符“*”表示路径前缀、后缀或整个字符串。

Sitemap：[可选，每个文件可含零个或多个Sitemap条目]相应网站的站点地图的位置。必须是完全限定的网址；Google不会假定存在或检查是否存在http/httpswww.non-www网址变体。站点地图是一种用于指示Google应抓取哪些内容（而不是可以或无法抓取哪些内容）的好方法。详细了解站点地图。示例：

Sitemap:https://www.guangwei.pro/sitemap.xml

4、robots.txt的完整语法

robots.txt语法的某些部分比较棘手，需要重点学习，因此请一定仔细阅读整个文档。

下面是一些常见的实用robots.txt规则：

禁止抓取整个网站。请注意，在某些情况下，Google即使未抓取网站的网址，仍可能会将其编入索引。注意：这不适用于各种AdsBot抓取工具，此类抓取工具必须明确指定。

User-agent:*

Disallow:/

禁止抓取某一目录及其内容（在目录名后面添加一道正斜线）。请注意，若想禁止访问私密内容，则不应使用robots.txt，而应改用适当的身份验证机制。对于robots.txt文件所禁止抓取的网址，Google仍可能会在不进行抓取的情况下将其编入索引；另外，由于robots.txt文件可供任何人随意查看，因此可能会泄露您的私密内容的位置。

User-agent:*

Disallow:/calendar/

Disallow:/junk/

仅允许使用某一抓取工具

User-agent:Googlebot-news

Allow:/

User-agent:*

Disallow:/

允许使用除某一抓取工具以外的其他所有抓取工具

User-agent:Unnecessarybot

Disallow:/

User-agent:*

Allow:/

禁止抓取某一网页（在正斜线后面列出网页）：

User-agent:*

Disallow:/private_file.html

禁止Google图片访问某一特定图片：

User-agent:Googlebot-Image

Disallow:/images/dogs.jpg

禁止Google图片访问您网站上的所有图片：

User-agent:Googlebot-Image

Disallow:/

禁止抓取某一特定类型的文件（例如.gif）：

User-agent:Googlebot

Disallow:/*.gif$

禁止抓取整个网站，但允许在这些网页上显示AdSense广告（禁止使用除Mediapartners-Google以外的所有网页抓取工具）。这种方法会阻止您的网页显示在搜索结果中，但Mediapartners-Google网页抓取工具仍能分析这些网页，以确定要向您网站上的访问者显示哪些广告。

User-agent:*

Disallow:/

User-agent:Mediapartners-Google

Allow:/

匹配以某一特定字符串结尾的网址-需使用美元符号($)。例如，示例代码会禁止访问以.xls结尾的所有网址：

User-agent:Googlebot

Disallow:/*.xls$