一、什么是robots協(xié)議

robots是網(wǎng)站跟爬蟲間的協(xié)議，robots協(xié)議又稱爬蟲協(xié)議、爬蟲規(guī)則等，是指網(wǎng)站可建立一個(gè)robots.txt文件來告訴搜索引擎哪些頁面可以抓取，哪些頁面不能抓取，而搜索引擎則通過讀取robots.txt文件來識(shí)別這個(gè)頁面是否允許被抓取。

搜索引擎使用spider程序自動(dòng)訪問互聯(lián)網(wǎng)上的網(wǎng)頁并獲取網(wǎng)頁信息，robots文件是站點(diǎn)與spider溝通的重要渠道。當(dāng)一個(gè)搜索蜘蛛訪問一個(gè)站點(diǎn)時(shí)，它會(huì)首先檢查該站點(diǎn)根目錄下是否存在robots.txt文件，如果存在，搜索機(jī)器人就會(huì)按照該文件中的內(nèi)容來確定訪問的范圍；如果該文件不存在，所有的搜索蜘蛛將能夠訪問網(wǎng)站上所有沒有被口令保護(hù)的頁面。但是，這個(gè)robots協(xié)議不是防火墻，也沒有強(qiáng)制執(zhí)行力，搜索引擎完全可以忽視r(shí)obots文件去抓取網(wǎng)頁的快照。robots協(xié)議并不是一個(gè)規(guī)范，而只是約定俗成的，所以并不能保證網(wǎng)站的隱私。

二、robots協(xié)議的由來

robots.txt并不是某一個(gè)公司制定的，而是早在20世紀(jì)93、94年就早已出現(xiàn)，當(dāng)時(shí)還沒有Google。真實(shí)Robots協(xié)議的起源，是在互聯(lián)網(wǎng)從業(yè)人員的公開郵件組里面討論并且誕生的。即便是今天，互聯(lián)網(wǎng)領(lǐng)域的相關(guān)問題也仍然是在一些專門的郵件組中討論，并產(chǎn)生（主要是在美國）。

1994年6月30日，在經(jīng)過搜索引擎人員以及被搜索引擎抓取的網(wǎng)站站長共同討論后，正式發(fā)布了一份行業(yè)規(guī)范，即robots.txt協(xié)議。在此之前，相關(guān)人員一直在起草這份文檔，并在世界互聯(lián)網(wǎng)技術(shù)郵件組發(fā)布后，這一協(xié)議被幾乎所有的搜索引擎采用，包括最早的altavista，infoseek，后來的google，bing，以及中國的百度，搜搜，搜狗等公司也相繼采用并嚴(yán)格遵循。

Robot，又稱Spider，是搜索引擎自動(dòng)獲取網(wǎng)頁信息的電腦程序的通稱。Robots協(xié)議的核心思想就是要求Robot程序不要去檢索那些站長們不希望被直接搜索到的內(nèi)容。將約束Robot程序的具體方法規(guī)范成格式代碼，就成了Robots協(xié)議。一般來說，網(wǎng)站是通過Robots.txt文件來實(shí)現(xiàn)Robots協(xié)議。

自有搜索引擎之日起，Robots協(xié)議已是一種目前為止最有效的方式，用自律維持著網(wǎng)站與搜索引擎之間的平衡，讓兩者之間的利益不致過度傾斜。它就像一個(gè)鐘擺，讓互聯(lián)網(wǎng)上的搜索與被搜索和諧相處。

三、robots文件放在哪里

Robots文件應(yīng)該放置在網(wǎng)站根目錄下。舉例來說，當(dāng)spider訪問一個(gè)網(wǎng)站（比如 http://www.***.com）時(shí)，首先會(huì)檢查該網(wǎng)站中是否存在http://www.***.com/robots.txt這個(gè)文件，如果 Spider找到這個(gè)文件，它就會(huì)根據(jù)這個(gè)文件的內(nèi)容，來確定它訪問權(quán)限的范圍。如果沒有發(fā)現(xiàn)robots.txt文件，蜘蛛就會(huì)爬行所有的文件，增加了很多沒有意義的操作，增加了蜘蛛的工作量。

*robots文件存放位置

四、robots協(xié)議的格式

robots協(xié)議往往放置于根目錄下，包含一條或更多的記錄，這些記錄通過空行分開（以CR，CR/NL， or NL作為結(jié)束符），每一條記錄的格式如下所示：

"<field>:<optional space><value><optionalspace>"

在該文件中可以使用#進(jìn)行注解，具體使用方法和UNIX中的慣例一樣。該文件中的記錄通常以一行或多行User-agent開始，后面加上若干Disallow和Allow行，詳細(xì)情況如下：

User-agent:該項(xiàng)的值用于描述搜索引擎robot的名字。在"robots.txt"文件中，如果有多條User-agent記錄說明有多個(gè)robot會(huì)受到"robots.txt"的限制，對(duì)該文件來說，至少要有一條User-agent記錄。如果該項(xiàng)的值設(shè)為*，則對(duì)任何robot均有效，在"robots.txt"文件中，"User-agent:*"這樣的記錄只能有一條。如果在"robots.txt"文件中，加入"User-agent:SomeBot"和若干Disallow、Allow行，那么名為"SomeBot"只受到"User-agent:SomeBot"后面的 Disallow和Allow行的限制。

Disallow:該項(xiàng)的值用于描述不希望被訪問的一組URL，這個(gè)值可以是一條完整的路徑，也可以是路徑的非空前綴，以Disallow項(xiàng)的值開頭的URL不會(huì)被 robot訪問。例如"Disallow:/help"禁止robot訪問/help.html、/helpabc.html、/help/index.html，而"Disallow:/help/"則允許robot訪問/help.html、/helpabc.html，不能訪問/help/index.html。"Disallow:"說明允許robot訪問該網(wǎng)站的所有url，在"/robots.txt"文件中，至少要有一條Disallow記錄。如果"/robots.txt"不存在或者為空文件，則對(duì)于所有的搜索引擎robot，該網(wǎng)站都是開放的。

Allow:該項(xiàng)的值用于描述希望被訪問的一組URL，與Disallow項(xiàng)相似，這個(gè)值可以是一條完整的路徑，也可以是路徑的前綴，以Allow項(xiàng)的值開頭的URL 是允許robot訪問的。例如"Allow:/hibaidu"允許robot訪問/hibaidu.htm、/hibaiducom.html、/hibaidu/com.html。一個(gè)網(wǎng)站的所有URL默認(rèn)是Allow的，所以Allow通常與Disallow搭配使用，實(shí)現(xiàn)允許訪問一部分網(wǎng)頁同時(shí)禁止訪問其它所有URL的功能。

使用"*"and"$"：Baiduspider支持使用通配符"*"和"$"來模糊匹配url。

"*" 匹配0或多個(gè)任意字符

"$" 匹配行結(jié)束符。

最后需要說明的是：百度會(huì)嚴(yán)格遵守robots的相關(guān)協(xié)議，請(qǐng)注意區(qū)分您不想被抓取或收錄的目錄的大小寫，百度會(huì)對(duì)robots中所寫的文件和您不想被抓取和收錄的目錄做精確匹配，否則robots協(xié)議無法生效。

五、robots協(xié)議用法與實(shí)例

1、robots協(xié)議用法

*百度robots.txt協(xié)議用法

2、robots.txt文件示例

以下是一個(gè)robots.txt文件的完整示例，可拷貝到txt文件做相應(yīng)修改后使用。

User-agent: *

Disallow:/application/

Disallow:/core/

Disallow:/data/

Disallow:/extend/

Disallow:/public/

Disallow:/static/

Disallow:/vendor/

Disallow:/weapp/

Disallow:/install_1636907738/

Sitemap:http://gagu89.com/sitemap.xml

六、Robots.txt 文件在線生成

1、站長工具Robots.txt生成：https://tool.chinaz.com/robots/

2、愛站Robots.txt生成：https://tools.aizhan.com/robots-generator/

七、Robots.txt文件在線檢測(cè)工具

當(dāng)寫好robots.txt文件就需要檢測(cè)是否有寫，下面提供幾款在線工具幫助大家檢測(cè)robots是否有寫錯(cuò)。

1、百度資源Robots.txt檢測(cè)：https://ziyuan.baidu.com/robots/

2、愛站Robots.txt檢測(cè)工具：https://tools.aizhan.com/robots/

3、站長工具Robots.txt檢測(cè)：https://stool.chinaz.com/robots

八、Robots協(xié)議使用技巧

1、每當(dāng)用戶試圖訪問某個(gè)不存在的URL時(shí)，服務(wù)器都會(huì)在日志中記錄404錯(cuò)誤（無法找到文件）。每當(dāng)搜索蜘蛛來尋找并不存在的robots.txt文件時(shí)，服務(wù)器也將在日志中記錄一條404錯(cuò)誤，所以應(yīng)該在網(wǎng)站中添加一個(gè)robots.txt文件。

2、網(wǎng)站管理員必須使蜘蛛程序遠(yuǎn)離某些服務(wù)器上的目錄以確保服務(wù)器性能。比如：大多數(shù)網(wǎng)站服務(wù)器都有程序儲(chǔ)存在"cgi-bin"目錄下，因此在robots.txt文件中加入"Disallow: /cgi-bin"，這樣能夠避免將所有程序文件被蜘蛛索引，可以節(jié)省服務(wù)器資源。一般網(wǎng)站中不需要蜘蛛抓取的文件有：后臺(tái)管理文件、程序腳本、附件、數(shù)據(jù)庫文件、編碼文件、樣式表文件、模板文件、導(dǎo)航圖片和背景圖片等等。

3. 如果你的網(wǎng)站是動(dòng)態(tài)網(wǎng)頁，并且你為這些動(dòng)態(tài)網(wǎng)頁創(chuàng)建了靜態(tài)副本，以供搜索蜘蛛更容易抓取。那么你需要在robots.txt文件里設(shè)置避免動(dòng)態(tài)網(wǎng)頁被蜘蛛索引，以保證這些網(wǎng)頁不會(huì)被視為含重復(fù)內(nèi)容。

4、robots.txt文件里還可以直接包括在sitemap文件的鏈接。比如Sitemap: http://www.***.com/sitemap.xml。這樣做的好處就是，站長不用到每個(gè)搜索引擎的站長工具去提交自己的sitemap文件，搜索引擎的蜘蛛自己就會(huì)抓取robots.txt文件，讀取其中的sitemap路徑，接著抓取其中相鏈接的網(wǎng)頁。

5、合理使用robots.txt文件還能避免訪問時(shí)出錯(cuò)。比如，不能讓搜索者直接進(jìn)入購物車頁面。因?yàn)闆]有理由使購物車被收錄，所以你可以在robots.txt文件里設(shè)置來阻止搜索者直接進(jìn)入購物車頁面。

九、Robots文件的作用

1、屏蔽網(wǎng)站的空、死鏈接

由于網(wǎng)站內(nèi)容的修改以及刪除，容易導(dǎo)致網(wǎng)站內(nèi)的一些內(nèi)鏈失效變?yōu)榭真溁蛘咚梨湣ＭǔＮ覀儠?huì)對(duì)網(wǎng)站定期檢查空鏈和死鏈，將這些鏈接提取出來，寫入robots文件之中，防止搜索引擎爬取該鏈接，間接提升搜索引擎的體驗(yàn)。該種方式是有效的，因?yàn)樾薷囊呀?jīng)收錄的內(nèi)容時(shí)會(huì)使得搜索引擎重新的爬取修改過的網(wǎng)頁，再次判斷是否進(jìn)行收錄，如果沒有繼續(xù)收錄了，那么就得不嘗試了。

2、防止蜘蛛爬取網(wǎng)站重復(fù)內(nèi)容

因?yàn)榫W(wǎng)站很多的動(dòng)態(tài)頁面搜索引擎時(shí)無法收錄的，所以很多時(shí)候我們需要對(duì)于這些動(dòng)態(tài)頁面進(jìn)行制定一個(gè)靜態(tài)的頁面以助于搜索引擎收錄。這時(shí)候就讓搜索引擎不要爬取某一些重復(fù)的內(nèi)容，可以減少站內(nèi)的頁面關(guān)鍵詞權(quán)重競爭。

3、節(jié)省服務(wù)器資源，從而提高服務(wù)質(zhì)量

網(wǎng)站上是有很多的內(nèi)容都是一些無意義的內(nèi)容，例如網(wǎng)站的各種腳本代碼、css文件和php文件等等，這些文件對(duì)于網(wǎng)站優(yōu)化都是無意義的，爬取這些網(wǎng)站不僅不會(huì)收錄，而且還會(huì)浪費(fèi)服務(wù)器的資源。上圖中很多禁止訪問的內(nèi)容都是這類無意義的文件目錄。

4、保護(hù)網(wǎng)站隱私內(nèi)容

網(wǎng)站有很多的頁面都是有著一定隱私的，例如一個(gè)用戶接受的推送又或者是購物車等等，這些鏈接雖然在一個(gè)頁面之中有，但是顯然是不希望搜索引擎爬取的內(nèi)容。

5、有利于網(wǎng)站調(diào)試

在網(wǎng)站初步上線前，或者網(wǎng)站改版的時(shí)候，都會(huì)有著一定的錯(cuò)誤，需要一段時(shí)間的調(diào)試再對(duì)搜索引擎開放爬取，在調(diào)試期間就可以將robots文件設(shè)置為對(duì)于所有的搜索引擎都處于拒絕爬取狀態(tài)，等所有的錯(cuò)誤都解決后再修改robots文件。

十、Robots META標(biāo)簽的寫法

robots meta標(biāo)簽中沒有大小寫之分，name="robots"表示所有的搜索引擎，可以針對(duì)某個(gè)具體搜索引擎寫為name="baiduspider"。 content部分有四個(gè)指令選項(xiàng)：index、noindex、follow、nofollow，指令間以"，"分隔。

index 指令告訴搜索機(jī)器人抓取該頁面；

follow 指令表示搜索機(jī)器人可以沿著該頁面上的鏈接繼續(xù)抓取下去；

robots meta標(biāo)簽的缺省值是index和follow，只有inktomi除外，對(duì)于它，缺省值是index,nofollow。

這樣，一共有四種組合：

<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">可以寫成<meta name="robots" content="all">；

<meta name="robots" content="noindex,nofollow">可以寫成<meta name="robots" content="none">

目前看來，絕大多數(shù)的搜索引擎機(jī)器人都遵守robots.txt的規(guī)則，而對(duì)于robots meta標(biāo)簽，目前支持的并不多，但是正在逐漸增加，如著名搜索引擎google就完全支持，而且google還增加了一個(gè)指令"archive"，可以限制google是否保留網(wǎng)頁快照。例如：

<meta name="googlebot" content="index,follow，noarchive">

表示抓取該站點(diǎn)中頁面并沿著頁面中鏈接抓取，但是不在goolge上保留該頁面的網(wǎng)頁快照。

十一、搜索引擎常見Robots名字

google蜘蛛：googlebot

百度蜘蛛：baiduspider

yahoo蜘蛛：slurp

alexa蜘蛛：ia_archiver

msn蜘蛛：msnbot

altavista蜘蛛：scooter

lycos蜘蛛：lycos_spider_(t-rex)

alltheweb蜘蛛：fast-webcrawler/

inktomi蜘蛛：slurp

十二、robots協(xié)議常見問題

1、Robots.Txt文件是必須的嗎？

如果你的網(wǎng)站較小，且索引符合你的預(yù)期，你可以不要robots.txt文件，主流搜索引擎足夠聰明的去識(shí)別你的內(nèi)容。但建議還是要有一個(gè)Robots.txt文件，因?yàn)樗阉饕嬖L問網(wǎng)站時(shí)，首先就是查閱它。

2、可以將資源類文件（Css、Js）禁止抓取嗎？

不要這么做，因?yàn)樗阉饕嫘枰抠Y源類文件來解讀你的網(wǎng)頁。

3、網(wǎng)站誤封Robots該如何處理？

robots協(xié)議是搜索生態(tài)中很重要的一個(gè)環(huán)節(jié)，同時(shí)也是一個(gè)很細(xì)節(jié)的環(huán)節(jié)。很多站長同學(xué)在網(wǎng)站運(yùn)營過程中，很容易忽視r(shí)obots協(xié)議的存在，進(jìn)行錯(cuò)誤覆蓋或者全部封禁robots，造成不必要損失！

那么如果誤操作封禁了robots怎么辦？百度搜索引擎處理方式如下：

1、修改Robots封禁為允許，然后到百度搜索資源后臺(tái)檢測(cè)并更新Robots。

2、在百度搜索資源后臺(tái)抓取檢測(cè)，此時(shí)顯示抓取失敗，沒關(guān)系，多點(diǎn)擊抓取幾次，觸發(fā)蜘蛛抓取站點(diǎn)。

3、在百度搜索資源后臺(tái)抓取頻次，申請(qǐng)抓取頻次上調(diào)。

4、百度反饋中心，反饋是因?yàn)檎`操作導(dǎo)致了這種情況的發(fā)生。

5、百度搜索資源后臺(tái)鏈接提交處，設(shè)置數(shù)據(jù)API推送（實(shí)時(shí)）。

6、更新sitemap網(wǎng)站地圖，重新提交百度，每天手動(dòng)提交一次。

以上處理完，接下來就是等待了，一般3天左右基本回升到正常狀態(tài)！

總結(jié)

優(yōu)化猩SEO：robots協(xié)議在百度、谷歌等主要搜索引擎還是具有實(shí)際作用的，如果網(wǎng)站將robots協(xié)議寫成不允許搜索引擎抓取，那么整個(gè)站點(diǎn)的規(guī)模不管多大，搜索引擎也不會(huì)將搜索結(jié)果進(jìn)行展示，所以站長務(wù)必要合理設(shè)置好robots.txt文件，使搜索引擎抓取可以正確合理的抓取網(wǎng)站內(nèi)容，以便網(wǎng)站獲得更好的排名。

參考鏈接：

robots協(xié)議_百度百科

https://baike.baidu.com/item/robots%E5%8D%8F%E8%AE%AE/2483797

robots_百度百科

https://baike.baidu.com/item/robots/5243374?fr=aladdin

robots_百度搜索資源平臺(tái)

https://ziyuan.baidu.com/college/courseinfo?id=267&page=13#h2_article_title28

2022 最新Robots.txt文件教程-CSDN博客

https://blog.csdn.net/penny_cheng/article/details/124778079

robots文件怎么寫，robots文件對(duì)網(wǎng)站優(yōu)化的作用-格子網(wǎng)絡(luò)

https://www.35hw.com/news/robots.html

修改于2023-05-04