查卡[网络]传媒的点滴记录

robots.txt 是一个纯文本文件，在这个文件中网站管理者可以声明该网站中不想被搜索机器人访问的部分，或者指定搜索引擎只收录指定的内容。

在国内，网站管理者似乎对robots.txt并没有引起多大重视，今天想通过这篇文章来简单谈一下robots.txt的写作。

robots.txt基本介绍

robots.txt是一个纯文本文件，在这个文件中网站管理者可以声明该网站中不想被robots访问的部分，或者指定搜索引擎只收录指定的内容。

当一个搜索机器人（有的叫搜索蜘蛛）访问一个站点时，它会首先检查该站点根目录下是否存在robots.txt，如果存在，搜索机器人就会按照该文件中的内容来确定访问的范围；如果该文件不存在，那么搜索机器人就沿着链接抓取。

另外，robots.txt必须放置在一个站点的根目录下，而且文件名必须全部小写。

robots.txt写作语法

首先，我们来看一个robots.txt范例：http://www.ytyixing.com/robots.txt

访问以上具体地址，我们可以看到robots.txt的具体内容如下：

# Robots.txt file from http://www.ytyixing.com
# All robots will spider the domain

User-agent: *
Disallow:

以上文本表达的意思是允许所有的搜索机器人访问http://www.ytyixing.com站点下的所有文件。

具体语法分析：其中#后面文字为说明信息；User-agent:后面为搜索机器人的名称，后面如果是*，则泛指所有的搜索机器人；Disallow:后面为不允许访问的文件目录。

下面，我将列举一些robots.txt的具体用法：

允许所有的robot访问

User-agent: *
Disallow:

或者也可以建一个空文件 “/robots.txt” file

禁止所有搜索引擎访问网站的任何部分

User-agent: *
Disallow: /

禁止所有搜索引擎访问网站的几个部分（下例中的01、02、03目录）

User-agent: *
Disallow: /01/
Disallow: /02/
Disallow: /03/

禁止某个搜索引擎的访问（下例中的BadBot）

User-agent: BadBot
Disallow: /

只允许某个搜索引擎的访问（下例中的Crawler）

User-agent: Crawler
Disallow:

User-agent: *
Disallow: /

另外，我觉得有必要进行拓展说明，对robots meta进行一些介绍：

Robots META标签则主要是针对一个个具体的页面。和其他的META标签（如使用的语言、页面的描述、关键词等）一样，Robots META标签也是放在页面的＜head＞＜/head＞中，专门用来告诉搜索引擎ROBOTS如何抓取该页的内容。

Robots META标签的写法：

Robots META标签中没有大小写之分，name=”Robots”表示所有的搜索引擎，可以针对某个具体搜索引擎写为name=”BaiduSpider”。 content部分有四个指令选项：index、noindex、follow、nofollow，指令间以“,”分隔。

INDEX 指令告诉搜索机器人抓取该页面；

FOLLOW 指令表示搜索机器人可以沿着该页面上的链接继续抓取下去；

Robots Meta标签的缺省值是INDEX和FOLLOW，只有inktomi除外，对于它，缺省值是INDEX,NOFOLLOW。

这样，一共有四种组合：

＜META NAME=”ROBOTS” CONTENT=”INDEX,FOLLOW”＞
＜META NAME=”ROBOTS” CONTENT=”NOINDEX,FOLLOW”＞
＜META NAME=”ROBOTS” CONTENT=”INDEX,NOFOLLOW”＞
＜META NAME=”ROBOTS” CONTENT=”NOINDEX,NOFOLLOW”＞

其中

＜META NAME=”ROBOTS” CONTENT=”INDEX,FOLLOW”＞可以写成＜META NAME=”ROBOTS” CONTENT=”ALL”＞；

＜META NAME=”ROBOTS” CONTENT=”NOINDEX,NOFOLLOW”＞可以写成＜META NAME=”ROBOTS” CONTENT=”NONE”＞

目前看来，绝大多数的搜索引擎机器人都遵守robots.txt的规则，而对于Robots META标签，目前支持的并不多，但是正在逐渐增加，如著名搜索引擎GOOGLE就完全支持，而且GOOGLE还增加了一个指令“archive”，可以限制GOOGLE是否保留网页快照。例如：

＜META NAME=”googlebot” CONTENT=”index,follow,noarchive”＞

表示抓取该站点中页面并沿着页面中链接抓取，但是不在GOOLGE上保留该页面的网页快照。

这是个多媒体交互的时代，尽情享用吧。

下面这个是乐翔户外店的地图标注：
Continue reading…

今天为自驾网(motoring.com.cn)、菜农人家(ytcnrj.com)及默闻轩(mwxhy.com)增加了在线会话功能。客人可以点击会话框，提出问题。网站客户端装有软件，会第一时间看到会话，如果网站老板们登陆客户端的话。如果没有，留言会以记录的形式留存，供日后浏览。

效果不错。

今天还有值得高兴的事情。烟台律师潘作城网站的百度搜索结果由节前的第四页，上到了第一页。昨天做了SEO优化，效果很显著。我想打个电话告诉潘律师一声，一忙就过了点，我想他会发现这个显著变化的。

同时，也把菜农人家的网站做了SEO优化。原来是有些问题，以至于在百度搜索“菜农人家”，结果不明显。过几天看看优化的效果。

我想，作为网站后期的管理，这是重要的一个环节。只有维护人员知道。当然，客户只需知道结果就可。

2月5日补充后记：

SEO的优化效果是明显的，在百度搜索“烟台菜农人家”，搜索结果位列第一、第二位，搜索“菜农人家”，在第一页位列第一位及最下端相关搜索位列第一位。

同期为乐翔户外增加了客服服务。

忙忙碌碌的2008，有时静下心仔细梳理起来，还是留有许多的缺憾。

雅凡牙科诊所当时推出的时候，天知道脑袋里都装了些什么。这个站一直不理想，节后要重构。

给我点时间。