Robots.txt

robots.txt是一个小文本文件,位于网站的根目录中,是用来告诉搜索引擎网站上哪些内容可以被访问、哪些不能被访问。当搜索引擎访问一个网站的时候,它首先会检查网站是否存在robots.txt

使用方法

  1. User-agent: 这里的代表的所有的搜索引擎种类,*是一个通配符
  2. Disallow: /admin/ 这里定义是禁止爬寻admin目录下面的目录
  3. Disallow: /require/ 这里定义是禁止爬寻require目录下面的目录
  4. Disallow: /ABC/ 这里定义是禁止爬寻ABC目录下面的目录
  5. Disallow: /cgi-bin/*.htm 禁止访问/cgi-bin/目录下的所有以".htm"为后缀的URL(包含子目录)。
  6. Disallow: /? 禁止访问网站中所有包含问号 (?) 的网址
  7. Disallow: /.jpg$ 禁止抓取网页所有的.jpg格式的图片
  8. Disallow:/ab/adc.html 禁止爬取ab文件夹下面的adc.html文件。
  9. Allow: /cgi-bin/ 这里定义是允许爬寻cgi-bin目录下面的目录
  10. Allow: /tmp 这里定义是允许爬寻tmp的整个目录
  11. Allow: .htm$ 仅允许访问以".htm"为后缀的URL。
  12. Allow: .gif$ 允许抓取网页和gif格式图片
  13. Sitemap: 网站地图 告诉爬虫这个页面是网站地图

写好以后上传网站根目录,可以在百度站长平台检测是否生效
最后修改:2020 年 05 月 19 日 12 : 42 PM
如果觉得我的文章对你有用,请随意赞赏