Robots.txt和Robots META

Robots Text File Robots.txt

robots.txt是一套指示搜索引擎（蜘蛛）如何抓取你的网页内容的一张地图，他告诉蜘蛛哪些需要抓取，哪些不要抓取（当然，这只是针对那些遵守这个协定的搜索引擎）。robots.txt文件必须存放在网站的根目录下。

 robots.txt中包括两部分主要内容：

User-agent:*

Disallow:

User-agent代表搜索引擎，可以指定特定的搜索引擎，星号表示所有；

Disallow，如果用不带/路径表示搜索引擎可以索引整个文件夹，如果带了/则表示对文件夹下的所有内容都不进行索引；

例如：/private/表示对于private文件夹下的所有内容不进行索引，/pulic表示索引所有public下的内容；

两种robots.txt的典型用法：

一、对所有搜索引擎完全开放：

User-agent：*

Disallow:

二、对所有搜索引擎关闭：

User-agent:*

Disallow:/

Robots Meta Tag

对于不能上传Robots.txt文件的用户，我们仍可以通过Robots Meta Tag来实现对于搜索引擎的屏蔽。

<meta name="robots" content="robots-term" />

robots-term是一系列逗号分隔的字符，主要有以下几个值：noindex,nofollow,index,follow,all

下面来简单解释一下各自的含义：

noindex:搜索引擎不会为页面建立索引，但是允许页面上的链接被追踪；

nofollow:搜索引擎不会追踪页面中的链接，但是允许搜索引擎收录该页面；

index：搜索引擎将把该页面加入到搜索服务中；

follow：搜索引擎会从该页面去查找其他的页面；

all：搜索引擎会执行上面两种操作；

如果Meta标签缺失，或者robots-term没有指定明确的值，那么默认是index,follow，如果在meta中指定了all，那么其他的所有值都将被覆盖，不管all出现在什么位置

 

最后，再贴一个比较规范的robots.txt来，以供学习：

# robots.txt for http://www.SEOConsultants.com/

# Last modified: 2008-10-19T02:30:00-0700



User-agent: googlebot

Disallow: /js/

Disallow: /webservices/



User-agent: slurp

Disallow: /js/

Disallow: /webservices/



User-agent: msnbot

Disallow: /js/

Disallow: /webservices/



User-agent: teoma

Disallow: /js/

Disallow: /webservices/



User-agent: Mediapartners-Google*

Disallow:



User-agent: *

Disallow: /