一、站内优化 Robot.txt用法详解及robot.txt问题汇总 (1)为什么设置Robots.txt? 在进行SEO操作的时候，我们需要告诉搜索引擎哪些页面重要哪些页面不重要，重要的页面让蜘蛛进行抓取，不重要的页面进行屏蔽可以减少网站服务器的负担。 (2)一些常见的问题和知识点 蜘蛛在发现一个网站的时候，是抓取网站的Robots.txt文件(当然官方上是这么说的，有时候也会出现不遵守的情况); 建议所有的网站都要设置Robots.txt文件，如果你认为网站上所有内容都是重要的，你可以建立一个空的robots.txt文件; (3)在robots.txt文件中设置网站地图 你可以在robots.txt中添加网站的地图，告诉蜘蛛网站地图所在的地址。 (4)Robots.txt的顺序 在蜘蛛协议中，Disallow与Allow是有顺序的，这是一个非常重要的问题，如果设置错误可能会导致抓取错误。 引擎蜘蛛程序会根据个匹配成功的Allow或Disallow行确定是否访问某个URL，一个例子可以让你更清楚明白： User-agent:*2.Allow:/seojc/bbs3.Disallow:/seojc/这个情况下，蜘蛛/seojc/bbs目录可以正常抓取，但/seojc/目录的文件无法抓取。通过这种方式可以允许蜘蛛访问特定目录中的部分url。
我们对调下位置观察一下。 User-agent:*2.Disallow:/根目录下的文件夹/3.Allow:/seojc/bbs/seojc/目录出现在行，禁止抓取目录下的所有文件，那么第二行的Allow就无效，因为行中已经禁止抓取seojc目录下的所有文件，而bbs目录正好位于seowhy目录下。因此匹配不成功。 (5)Robots.txt路径问题 在蜘蛛协议中，Allow和Disallow后面可以跟两种路径形式，即链接、相对链接。链接就是完整的URL形式，而相对链接只针对根目录。这是记住。 (6)斜杠问题 Disallow:/seojc表示禁止抓取seoic这个目录下的所有文件，如:seojc.1.html、seojc/rmjc.php都不允许抓取; Disallow:/seojc/表示禁止抓取seojc这个目录下的文件，即允许抓取seojc.1.html，但是不允许抓取seojc/rmjc.php。 |
