魅力博客

魅力Linux|魅力空间|魅力博客|学习Linux|ubuntu日记|电脑教程|手机软件

关于robots.txt,谈谈怎样写robots.txt文件



  • 怎么写robots.txt文件?
    robots.txt是个很简单的文本文件,您只要标明“谁不能访问哪些链接”即可。
    在文件的第一行写:
    User-Agent: YoudaoBot
    这就告诉了爬虫下面的描述是针对名叫YoudaoBot的爬虫。您还可以写:
    User-Agent: *
    这就意味着向所有的爬虫开放。需要注意的是一个robots.txt文件里只能有一个"User-Agent: *"。

    接下来是不希望被访问的链接前缀。例如:
    Disallow: /private
    这就告诉爬虫不要抓取以"/private"开头的所有链接。包括/private.html,/private/some.html,/private/some/haha.html。如果您写成:
    Disallow: /
    则表明整个站点都不希望被访问。您也可以分多行来指定不希望被抓取的链接前缀,例如:
    Disallow: /tmp
    Disallow: /disallow
    那么所有以"/tmp"和"/disallow"开头的链接都不会被访问了。

    最后形成的robots.txt文件如下:
    User-Agent: YoudaoBot
    Disallow: /tmp
    Disallow: /private

    请注意,如果您的robots.txt文件里有中文等非英语字符,请确定该文件是由UTF-8编码编写。


返回顶部

发表评论:

Powered By Z-BlogPHP 1.7.3


知识共享许可协议
本作品采用知识共享署名 3.0 中国大陆许可协议进行许可。
网站备案号粤ICP备15104741号-1