[网站优化]robots.txt怎么写利于搜索引擎优化？[网站SEO]

在网站优化的过程中，网站有一些内容是我们不希望蜘蛛抓取的，如果没有规范，搜索引擎蜘蛛就会随便抓取，就可能会抓取到一些我们不想让它抓取到的内容，或者是抓取到了大量的垃圾页面，为避免这种情况，这个时候就会涉及到robots协议，那么什么是robots协议？Robots协议的语法和写法又是如何呢？

一、什么是robots协议？

1、搜索引擎和我们网站的一个协议。我不想让你来抓取我网站的某个页面，只要定义了，蜘蛛就不会来抓取。用来防止搜索引擎抓取我们不想抓取的，告诉蜘蛛程序在服务器上什么文件可以被抓取，什么文件可以不被抓取。

2、一个单方面的协议，也是百度第一个来我们网站抓取的文件。

3、上线前就要写好，后续再进行增加。

4、robots文件名和.txt格式是固定的，即：robots.txt

5、robots.txt仅对你的网站不希望被搜索引擎收录的内容。

二、robots语法

语法要符合

1. 顶格写，第一个字母必须是一个大写的。
2. 后面紧跟着英文状态下的冒号。
3. 冒号后面再跟着一个在英文状态下的空格。
4. 蜘蛛名的第一个字母也要是大写。

1、User-agent

定义搜索引擎蜘蛛类型。比如说：

• User-agent: * 定义所有蜘蛛。
• User-agent: Baiduspider 定义百度蜘蛛。

常见蜘蛛

• Baiduspider百度蜘蛛
• Googlebot谷歌机器人
• MSNBot
• Baiduspider-image
• Youdaobot有道蜘蛛
• Sogouwebspider搜狗
• ChinasoSpider中搜
• Easouspider一搜
• ……

2、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不会被蜘蛛访问。

注意：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蜘蛛来说该网站都是开放的。

在写Disallow的时候，会遇到一个常见的问题，比如说：Disallow:/data和Disallow:/data/有什么区别？

• Disallow: /data

Disallow: /data。不能抓取data，不能抓取data/index.html，不能抓取data123、data.html、dataabc.html。

不能抓取data这个目录本身，不能抓取data目录里面的内容，不能抓取以data开头的目录名和文件名。

• Disallow: /data/

比如说：Disallow: /data/， 能抓取data ，不能抓取data/index.html，能抓取data123、data.html、dataabc.html。

能抓取data这个目录本身，不能抓取data目录里面的内容，能抓取以data开头的目录名和文件名。

3、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是允许蜘蛛访问的。

注意：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。

4、使用"*"and"$"：Baiduspider支持使用通配符"*"和"$"来模糊匹配url。

"*" 匹配0或多个任意字符

"$" 匹配行结束符。

例如：Disallow: /*.jpg$ 意思为：禁止抓取以.jpg格式结尾的图片。

三、robots写法

（1）禁止所有的搜索引擎访问网站的所有内容。

User-agent: *

Disallow: /

*代表所有搜索引擎，/代表所有路径。

新站上线的时候还有很多东西没有准备好，这个时候很多人就会选择禁止所有的搜索引擎访问网站的所有内容，这种做法是不对的，这里就涉及到一个搜索引擎原理，蜘蛛有记忆库，蜘蛛就会对你产生不好的影响，后面就算来了也不太愿意收录了。 在测试阶段可以在本地搭建或是临时域名。一定要上线的话，先开放首页，不要全站屏蔽，起码让蜘蛛有东西可抓。

（2）禁止百度搜索引擎访问网站的所有内容。

User-agent: Baiduspider

Disallow: /

（3）允许所有搜索引擎访问所有内容。

User-agent: *

Allow: /

（4）允许所有搜索引擎抓取动态页面内容。

User-agent: *

Allow: /*?*

（5）不允许所有搜索引擎抓取动态页面内容。

User-agent: *

Disallow: /*?*

把所有的动态路径拿过来看，动态路径里面有个共性，它一定会有个问号，*代表所有，这是一个固定的写法。同样的道理，我们要屏蔽某条路径的时候，先要去找它的规律，比如说/?s=织梦、/?s=内链……，我们要屏蔽这样的路径就可以写成Disallow: /?s=*

下面这张图是百度站长平台里面的，大家可以多去看看，写robots一定要多看多理解，随着时间的积累，慢慢的也就会了。

四、操作

1、robots写好之后，将其命名为：robots.txt

2、将robots.txt文件上传到根目录。

五、检测

Robots协议必须要严格的按照这个语法规则来写，因为这是搜索引擎给出的，否则搜索引擎识别不了。如果自己无法确定，可以通过百度站长平台来确定。如下图所示，通过检测得知robots没有错误，检测其中的一条路径显示为不允许抓取。你需要检测那条路径是否会被抓取，只需要在后面输入路径检测即可。

ps：验证自己写的对还是不对，一定要去检测。

六、什么情况下用

1. 通过robots协议屏蔽死链。
2. 屏蔽无内容页面和重复的页面。比如说低质量页面，登陆和注册页面就可以屏蔽。
3. 不想被抓取的特定路径。
4. 统一路径。有些网站的一个页面存在动态和静态两种路径，动态和静态指向的是一个页面，就可以屏蔽动态页面，把网站统一成静态链接。
5. 拒绝网站的中文链接。
6. 根据情况，不想让网站收录的文件，隐私文件，会员。比如说后台，dede，不想暴露后台，可以用de*代替。
7. 提交网站地图。网站地图做好之后，需要将链接地址放到robots文件里面。

七、注意点

1. 如果你希望搜索引擎能抓取网站上所有的内容，就不需要写robots协议。
2. 写好robots文件，要把文件上传到网站的根目录。
3. 生效时间：短的几天，长则半个月一个月的都有，根据蜘蛛抓取的情况决定。
4. robots文件一定要根据自己的网站来写。
5. 搜索引擎是否遵守由搜索引决定。由搜索引擎本身决定，一般来说会遵守，但有些不会遵守。比如说淘宝和天猫就被抓了一个首页，到底遵守不遵守还是有搜索引擎决定。
6. 新站建议不要整站屏蔽。
7. 对与不对，可以检测自己是否正确屏蔽生效。

总结

在网站优化过程中，robots协议是必不可少的，因此优化人员应该掌握robots协议的语法，会写robots协议，懂得robots协议会在什么情况下使用以及一些注意事项。