spidertxt用Google网站管理员工具提醒我的网站受到robots.txt文件限制是怎么回事？

robots.txt文件无内容 放入主目录会影响收录吗

如果文件无内容，也表示允许所有的蜘蛛访问

robots.txt是搜索引擎中访问网站的时候要查看的第一个文件。

Robots.txt文件告诉蜘蛛程序在服务器上什么文件是可以被查看的。

当一个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，所有的搜索蜘蛛将能够访问网站上所有没有被口令保护的页面。

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。

语法：最简单的 robots.txt 文件使用两条规则： ? User-Agent: 适用下列规则的漫游器 ? Disallow: 要拦截的网页

　　搜索引擎Robots协议，是放置在网站根目录下robots.txt文本文件，在文件中可以设定搜索引擎蜘蛛爬行规则。

设置搜索引擎蜘蛛Spider抓取内容规则。

下面Seoer惜缘举例robots写法规则与含义：

　　首先要创建一个robots.txt文本文件，放置网站的根目录下，下面就开始编辑设置Robots协议文件：

　　一、允许所有搜索引擎蜘蛛抓取所以目录文件，如果文件无内容，也表示允许所有的蜘蛛访问，设置代码如下：

　　User-agent: *

　　Disallow:

　　或者

　　User-agent: *

　　Allow: /

　　二、禁止某个搜索引擎蜘蛛抓取目录文件，设置代码如下： User-agent: Msnbot Disallow: /

　　User-agent: Msnbot

　　Disallow: /

　　例如想禁止MSN的蜘蛛抓取就设为，Msnbot代表MSN的蜘蛛，如果想禁止其他搜索引擎就更换蜘蛛名字即可，其他蜘蛛名字如下：

　　百度的蜘蛛：baiduspider

　　Google的蜘蛛： Googlebot

　　腾讯Soso:Sosospider

　　Yahoo的蜘蛛：Yahoo Slurp

　　Msn的蜘蛛：Msnbot

　　Altavista的蜘蛛：Scooter

　　Lycos的蜘蛛： Lycos_Spider_(T-Rex)

　　三、禁止某个目录被搜索引擎蜘蛛抓取，设置代码如下：

　　User-agent: *

　　Disallow: /目录名字1/

　　Disallow: /目录名字2/

　　Disallow: /目录名字3/

　　把目录名字改为你想要禁止的目录即可禁止搜索引擎蜘蛛抓取，目录名字未写表示可以被搜索引擎抓取。

　　四、禁止某个目录被某个搜索引擎蜘蛛抓取，设置代码如下：

　　User-agent: 搜索引擎蜘蛛名字 说明(上面有说明蜘蛛的名字)Disallow: /目录名字/ 说明(这里设定禁止蜘蛛抓取的目录名称)例如，想禁目Msn蜘蛛抓取admin文件夹，可以设代码如下：

　　User-agent: Msnbot

　　Disallow: /admin/

　　五、设定某种类型文件禁止被某个搜索引擎蜘蛛抓取，设置代码如下:

　　User-agent: *

　　Disallow: /*.htm 说明(其中“.htm”，表示禁止搜索引擎蜘蛛抓取所有“htm”为后缀的文件)

　　六、充许所有搜索引擎蜘蛛访问以某个扩展名为后缀的网页地址被抓取，设置代码如下:

　　User-agent: *

　　Allow: .htm$ 说明(其中“.htm”，表示充许搜索引擎蜘蛛抓取所有“htm”为后缀的文件)

　　七、只充许某个搜索引擎蜘蛛抓取目录文件，设置代码如下：

　　User-agent: 搜索引擎蜘蛛名字 说明(上面有说明蜘蛛的名字)

　　Disallow:

什么是robots.txt？什么是"网址受到 robots.txt 的限制"错误

什么是robots.txt文件：搜索引擎通过一种爬虫spider程序（又称搜索蜘蛛、robot、搜索机器人等），自动搜集互联网上的网页并获取相关信息。

鉴于网络安全与隐私的考虑，搜索引擎遵循robots.txt协议。

通过根目录中创建的纯文本文件robots.txt，网站可以声明不想被robots访问的部分。

每个网站都可以自主控制网站是否愿意被搜索引擎收录，或者指定搜索引擎只收录指定的内容。

当一个搜索引擎的爬虫访问一个站点时，它会首先检查该站点根目录下是否存在robots.txt，如果该文件不存在，那么爬虫就沿着链接抓取，如果存在，爬虫就会按照该文件中的内容来确定访问的范围。

什么是robots.txt文件?

Robots协议（也称为爬虫协议、机器人协议等）的全称是“网络爬虫排除标准”（Robots Exclusion Protocol），网站通过Robots协议告诉搜索引擎哪些页面可以抓取，哪些页面不能抓取。

robots.txt文件是一个文本文件，使用任何一个常见的文本编辑器，比如Windows系统自带的Notepad，就可以创建和编辑它[1]。

robots.txt是一个协议，而不是一个命令。

robots.txt是搜索引擎中访问网站的时候要查看的第一个文件。

robots.txt文件告诉蜘蛛程序在服务器上什么文件是可以被查看的。

当一个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，所有的搜索蜘蛛将能够访问网站上所有没有被口令保护的页面。

百度官方建议，仅当您的网站包含不希望被搜索引擎收录的内容时，才需要使用robots.txt文件。

如果您希望搜索引擎收录网站上所有内容，请勿建立robots.txt文件。

如果将网站视为酒店里的一个房间，robots.txt就是主人在房间门口悬挂的“请勿打扰”或“欢迎打扫”的提示牌。

这个文件告诉来访的搜索引擎哪些房间可以进入和参观，哪些房间因为存放贵重物品，或可能涉及住户及访客的隐私而不对搜索引擎开放。

但robots.txt不是命令，也不是防火墙，如同守门人无法阻止窃贼等恶意闯入者。

功能 Robots协议用来告知搜索引擎哪些页面能被抓取，哪些页面不能被抓取；可以屏蔽一些网站中比较大的文件，如：图片，音乐，视频等，节省服务器带宽；可以屏蔽站点的一些死链接。

方便搜索引擎抓取网站内容；设置网站地图连接，方便引导蜘蛛爬取页面。

文件写法 User-agent: * 这里的*代表的所有的搜索引擎种类，*是一个通配符 Disallow: /admin/ 这里定义是禁止爬寻admin目录下面的目录 Disallow: /require/ 这里定义是禁止爬寻require目录下面的目录 Disallow: /ABC/ 这里定义是禁止爬寻ABC目录下面的目录 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)。

Disallow: /*?* 禁止访问网站中所有包含问号 (?) 的网址 Disallow: /.jpg$ 禁止抓取网页所有的.jpg格式的图片 Disallow:/ab/adc.html 禁止爬取ab文件夹下面的adc.html文件。

Allow: /cgi-bin/　这里定义是允许爬寻cgi-bin目录下面的目录 Allow: /tmp 这里定义是允许爬寻tmp的整个目录 Allow: .htm$ 仅允许访问以".htm"为后缀的URL。

Allow: .gif$ 允许抓取网页和gif格式图片 Sitemap: 网站地图 告诉爬虫这个页面是网站地图 文件用法 例1. 禁止所有搜索引擎访问网站的任何部分 User-agent: * Disallow: / 实例分析：淘宝网的 Robots.txt文件 User-agent: Baiduspider Disallow: / User-agent: baiduspider Disallow: / 很显然淘宝不允许百度的机器人访问其网站下其所有的目录。

例2. 允许所有的robot访问 (或者也可以建一个空文件 “/robots.txt” file) User-agent: * Allow:　/ 例3. 禁止某个搜索引擎的访问 User-agent: BadBot Disallow: / 例4. 允许某个搜索引擎的访问 User-agent: Baiduspider allow:/ 例5.一个简单例子 在这个例子中，该网站有三个目录对搜索引擎的访问做了限制，即搜索引擎不会访问这三个目录。

需要注意的是对每一个目录必须分开声明，而不要写成 “Disallow: /cgi-bin/ /tmp/”。

User-agent:后的*具有特殊的含义，代表“any robot”，所以在该文件中不能有“Disallow: /tmp/*” or “Disallow:*.gif”这样的记录出现。

User-agent: * Disallow: /cgi-bin/ Disallow: /tmp/ Disallow: /~joe/ Robot特殊参数： 允许 Googlebot： 如果您要拦截除Googlebot以外的所有漫游器不能访问您的网页，可以使用下列语法： User-agent: Disallow: / User-agent: Googlebot Disallow: Googlebot 跟随指向它自己的行，而不是指向所有漫游器的行。

“Allow”扩展名： Googlebot 可识别称为“Allow”的 robots.txt 标准扩展名。

其他搜索引擎的漫游器可能无法识别此扩展名，因此请使用您感兴趣的其他搜索引擎进行查找。

“Allow”行的作用原理完全与“Disallow”行一样。

只需列出您要允许的目录或页面即可。

您也可以同时使用“Disallow”和“Allow”。

例如，要拦截子目录中某个页面之外的其他所有页面，可以使用下列条目： User-agent: Googlebot Allow: /folder1/myfile.html Disallow: /folder1/ 这些条目将拦截 folder1 目录内除 myfile.html 之外的所有页面。

如果您要拦截 Googlebot 并允许 Google 的另一个漫游器（如 Googlebot-Mobile），可使用”Allow”规则允许该漫游器的访问。

例如： User-agent: Googlebot Disallow: / User-agent: Googlebot-Mobile Allow: 使用 * 号匹配字符序列： 您可使用星号 (*) 来匹配字符序列。

例如，要拦截对所有以 private 开头的子目录的访问，可使用下列条目：　User-Agent: Googlebot Disallow: /private*/ 要拦截对所有包含问号 (?) 的网址的访问，可使用下列条目： User-agent: * Disallow: /*?* 使用 $ 匹配网址的结束字符 您可使用 $字符指定与网址的结束字符进行匹配。

例如，要拦截以 .asp 结尾的网址，可使用下列条目：　User-agent: Googlebot Disallow: /*.asp$ 您可将此模式匹配与 Allow 指令配合使用。

例如，如果 ? 表示一个会话 ID，您可排除所有包含该 ID 的网址，确保 Googlebot 不会抓取重复的网页。

但是，以 ? 结尾的网址可能是您要包含的网页版本。

在此情况下，可对 robots.txt 文件进行如下设置： User-agent: * Allow: /*?$ Disallow: /*? Disallow: / *? 一行将拦截包含 ? 的网址（具体而言，它将拦截所有以您的域名开头、后接任意字符串，然后是问号 (?)，而后又是任意字符串的网址）。

Allow: /*?$ 一行将允许包含任何以 ? 结尾的网址（具体而言，它将允许包含所有以您的域名开头、后接任意字符串，然后是问号 (?)，问号之后没有任何字符的网址）。

尽管robots.txt已经存在很多年了，但是各大搜索引擎对它的解读都有细微差别。

Google与百度都分别在自己的站长工具中提供了robots工具。

如果您编写了robots.txt文件，建议您在这两个工具中都进行测试，因为这两者的解析实现确实有细微差别[1]。

其它属性 1. Robot-version: 用来指定robot协议的版本号 例子: Robot-version: Version 2.0 2.Crawl-delay：雅虎YST一个特定的扩展名，可以通过它对我们的抓取程序设定一个较低的抓取请求频率。

您可以加入Crawl-delay:xx指示，其中，“XX”是指在crawler程序两次进入站点时，以秒为单位的最低延时。

3. Visit-time:只有在visit-time指定的时间段里,robot才可以访问指定的URL,否则不可访问. 例子: Visit-time: 0100-1300 #允许在凌晨1:00到13:00访问 4. Request-rate: 用来限制URL的读取频率 例子: Request-rate: 40/1m 0100 - 0759 在1:00到07:59之间,以每分钟40次的频率进行访问 Request-rate: 12/1m 0800 - 1300 在8:00到13:00之间,以每分钟12次的频率进行访问 标签 Robots.txt文件主要是限制整个站点或者目录的搜索引擎访问情况，而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。

注意事项 上述的robots.txt和Robots Meta标签限制搜索引擎机器人（ROBOTS）抓取站点内容的办法只是一种规则，需要搜索引擎机器人的配合才行，并不是每个ROBOTS都遵守的。

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，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。

为什么我的网站已经添加robots.txt，还能在搜搜网页中被搜索到？

在robots.txt中添加了禁止访问的规则后，sosospider即会遵循按规则停止相应的页面/站点抓取。

但是，因为搜索引擎索引数据库的索引更新需要时间，所以在二至四周后，这些页面/站点才会从搜搜网页搜索引擎的结果中消失。

sosospider在robots.txt中的名字是什么？

即是“Sosospider。

”。

首字母S大写，其余为小写。

用Google网站管理员工具提醒我的网站受到robots.txt文件限制是怎么回事？

Robots.txt 带来的好处： 　　1. 几乎所有的搜索引擎 Spider 都遵循 robots.txt 给出的爬行规则，协议规定搜索引擎 Spider 进 　　入某个网站的入口即是该网站的 robots.txt，当然，前提是该网站存在此文件。

对于没有配置robots.txt 的网站，Spider 将会被重定向至 404 错误页面，相关研究表明，如果网站采用了自定义的 404 错误页面，那么 Spider 将会把其视作 robots.txt——虽然其并非一个纯粹的文本文件——这将给 Spider 索引网站带来很大的困扰，影响搜索引擎对网站页面的收录。

　　2. robots.txt 可以制止不必要的搜索引擎占用服务器的宝贵带宽，如 email retrievers，这类搜索 　　引擎对大多数网站是没有意义的;再如 image strippers，对于大多数非图形类网站来说其也没有太大意义，但却耗用大量带宽。

　　3. robots.txt 可以制止搜索引擎对非公开页面的爬行与索引，如网站的后台程序、管理程序，事实上，对于某些在运行中产生临时页面的网站来说，如果未配置 robots.txt，搜索引擎甚至会索引那些临时文件。

　　4. 对于内容丰富、存在很多页面的网站来说，配置 robots.txt 的意义更为重大，因为很多时候 　　其会遭遇到搜索引擎 Spider 给予网站的巨大压力：洪水般的 Spider 访问，如果不加控制，甚至会影响网站的正常访问。

　　5. 同样地，如果网站内存在重复内容，使用 robots.txt 限制部分页面不被搜索引擎索引和收录，可以避免网站受到搜索引擎关于 duplicate content 的惩罚，保证网站的排名不受影响。

　　robots.txt 带来的风险及解决： 　　1. 凡事有利必有弊，robots.txt 同时也带来了一定的风险：其也给攻击者指明了网站的目录结构和私密数据所在的位置。

虽然在 Web 服务器的安全措施配置得当的前提下这不是一个严重 　　的问题，但毕竟降低了那些不怀好意者的攻击难度。

　　比如说，如果网站中的私密数据通过 /SEO/20.html 访问，那么，在 robots.txt 的设置可能如下： 　　User-agent: * 　　Disallow: /SEO/ 　　这样，攻击者只需看一下 robots.txt 即可知你要隐藏的内容在哪里，在浏览器中输入 　　 /SEO/ 便可访问我们不欲公开的内容。

对这种情况，一般采取如下的办法： 　　设置访问权限，对/private/中的内容实施密码保护，这样，攻击者便无从进入。

　　另一种办法是将缺省的目录主文件 index.html 更名为其他，比如说 abc-protect.html，这样，该内容的地址即变成 /SEO/abc-protect.htm，同时，制作一个新的index.html 文件，内容大致为"你没有权限访问此页"之类，这样，攻击者因不知实际的文件名而无法访问私密内容。

　　2. 如果设置不对，将导致搜索引擎将索引的数据全部删除。

　　User-agent: * 　　Disallow: / 　　上述代码将禁止所有的搜索引擎索引数据。

　　文章出处： /SEO/Robots.txt.html 文章来自： /article/20080711/93438.shtml