Robots.txt文件正确书写

Robots.txt文件正确书写

什么是Robots协议？

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），

Robots.txt 是存放在站点根目录下的一个纯文本文件。虽然它的设置很简单，但是作用却很强大。网站通过Robots协议告诉搜索引擎哪些网站页面可以抓取，哪些网站页面不能被抓取。所以小伙伴们不要忽视掉这个小细节大作用的东西！

如果您的网站地址是 https://www.xxxx.com/那么，该文件必须能够通过 https://www.xxxx.com/robots.txt 打开并看到里面的内容。

robots.txt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的动态页面

Disallow: /jpg$ 禁止抓取网页所有的.jpg格式的图片

Disallow:/ab/adc.html 禁止爬去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

每个指令都需要新起一行。否则会让搜索引擎产生误解

偏门屋的Robots.txt文件正确书写如下：

User-agent: *

Disallow: /feed/

Disallow: /trackback/

Disallow: /wp-admin/

Disallow: /wp-content/

Disallow: /wp-includes/

Disallow: /xmlrpc.php

Disallow: /wp-

Disallow: /download/

Sitemap: https://www.pianmenwu.com/sitemap.xml

Sitemap: https://www.pianmenwu.com/sitemap.html