全訊網整理瞭幾點關於SEO網站優化中robots.txt文件的認識與合理應用：
1、什麼是robots.txt？
robots.txt是搜索引擎中訪問網站的時候要查看的第一個文件。Robots.txt文件告訴蜘蛛程序在服務器上什麼文件是可以被查看的。
當一個搜索蜘蛛訪問一個站點時，它會首先檢查該站點根目錄下是否存在robots.txt，如果存在，搜索機器人就會按照該文件中的內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站上所有沒有被口令保護的頁面。
robots.txt必須放置在一個站點的根目錄下，而且文件名必須全部小寫。
語法：最簡單的robots.txt文件使用兩條規則：
?User-Agent:適用下列規則的漫遊器
?Disallow:要攔截的網頁
2、robots.txt文件重要屬性認識?
“robots.txt”文件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作為結束符），每一條記錄的格式如下所示：
“<field>:<optionalspace><value><optionalspace>”。
在該文件中可以使用#進行註解，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，後面加上若幹Disallow行,詳細情況如下：
A、User-agent:
該項的值用於描述搜索引擎robot的名字，在”robots.txt”文件中，如果有多條User- agent記錄說明有多個robot會受到該協議的限制，對該文件來說，至少要有一條User-agent記錄。如果該項的值設為*，則該協議對任何機器人均有效，在”robots.txt”文件中，”User-agent:*”這樣的記錄隻能有一條。
B、Disallow:
該項的值用於描述不希望被訪問到的一個URL，這個URL可以是一條完整的路徑，也可以是部分的，任何以Disallow開頭的URL均不會被robot訪問到。例如”Disallow:/help”對/help.html和/help/index.html都不允許搜索引擎訪問，而”Disallow:/help/”則允許robot訪問/help.html，而不能訪問/help/index.html。任何一條Disallow記錄為空，說明該網站的所有部分都允許被訪問，在”/robots.txt”文件中，至少要有一條Disallow記錄。如果”/robots.txt”是一個空文件，則對於所有的搜索引擎robot，該網站都是開放的。
3、robots.txt基本介紹
robots.txt是一個純文本文件，在這個文件中網站管理者可以聲明該網站中不想被robots訪問的部分，或者指定搜索引擎隻收錄指定的內容。
當一個搜索機器人（有的叫搜索蜘蛛）訪問一個站點時，它會首先檢查該站點根目錄下是否存在robots.txt，如果存在，搜索機器人就會按照該文件中的內容來確定訪問的范圍；如果該文件不存在，那麼搜索機器人就沿著鏈接抓取。
另外，robots.txt必須放置在一個站點的根目錄下，而且文件名必須全部小寫。
robots.txt寫作語法
首先，我們來看一個robots.txt范例：http://www.4imarketing.com.hk/robots.txt
訪問以上具體地址，我們可以看到robots.txt的具體內容如下：
# Robots.txt file from http://www.4imarketing.com.hk/p>
# All robots will spider the domain
User-agent: *
Disallow:
以上文本表達的意思是允許所有的搜索機器人訪問www.seovip.cn站點下的所有文件。
具體語法分析：其中#後面文字為說明信息；User-agent:後面為搜索機器人的名稱，後面如果是*，則泛指所有的搜索機器人；Disallow:後面為不允許訪問的文件目錄。
下面，我將列舉一些robots.txt的具體用法：
a、允許所有的robot訪問
User-agent: *
Disallow:
或者也可以建一個空文件"/robots.txt" file
b、禁止所有搜索引擎訪問網站的任何部分
User-agent: *
Disallow: /
c、禁止所有搜索引擎訪問網站的幾個部分（下例中的01、02、03目錄）
User-agent: *
Disallow: /01/
Disallow: /02/
Disallow: /03/
d、禁止某個搜索引擎的訪問（下例中的BadBot）
User-agent: BadBot
Disallow: /
e、隻允許某個搜索引擎的訪問（下例中的Crawler）
User-agent: Crawler
Disallow:
User-agent: *
Disallow: /
4、robots meta的寫法介紹
Robots META標簽則主要是針對一個個具體的頁面。和其他的META標簽（如使用的語言、頁面的描述、關鍵詞等）一樣，Robots META標簽也是放在頁面的＜head＞＜/head＞中，專門用來告訴搜索引擎ROBOTS如何抓取該頁的內容。
A、Robots META標簽的寫法：
Robots META標簽中沒有大小寫之分，name=”Robots”表示所有的搜索引擎，可以針對某個具體搜索引擎寫為name=”BaiduSpider”。content部分有四個指令選項：index、noindex、follow、nofollow，指令間以“,”分隔。
INDEX指令告訴搜索機器人抓取該頁面；
FOLLOW指令表示搜索機器人可以沿著該頁面上的鏈接繼續抓取下去；
Robots Meta標簽的缺省值是INDEX和FOLLOW，隻有inktomi除外，對於它，缺省值是INDEX,NOFOLLOW。
B、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，絕大多數的搜索引擎機器人都遵守robots.txt的規則，而對於Robots META標簽，目前支持的並不多，但是正在逐漸增加，如著名搜索引擎GOOGLE就完全支持，而且GOOGLE還增加瞭一個指令“archive”，可以限制GOOGLE是否保留網頁快照。例如：
＜META NAME="googlebot" CONTENT="index,follow,noarchive"＞
表示抓取該站點中頁面並沿著頁面中鏈接抓取，但是不在GOOLGE上保留該頁面的網頁快照。
5、robots.txt使用誤區
誤區一：我的網站上的所有文件都需要蜘蛛抓取，那我就沒必要在添加robots.txt文件瞭。反正如果該文件不存在，所有的搜索蜘蛛將默認能夠訪問網站上所有沒有被口令保護的頁面。
每當用戶試圖訪問某個不存在的URL時，服務器都會在日志中記錄404錯誤（無法找到文件）。每當搜索蜘蛛來尋找並不存在的robots.txt文件時，服務器也將在日志中記錄一條404錯誤，所以你應該做網站中添加一個robots.txt。
誤區二：在robots.txt文件中設置所有的文件都可以被搜索蜘蛛抓取，這樣可以增加網站的收錄率。
網站中的程序腳本、樣式表等文件即使被蜘蛛收錄，也不會增加網站的收錄率，還隻會浪費服務器資源。因此必須在robots.txt文件裡設置不要讓搜索蜘蛛索引這些文件。
具體哪些文件需要排除，在robots.txt使用技巧一文中有詳細介紹。
誤區三：搜索蜘蛛抓取網頁太浪費服務器資源，在robots.txt文件設置所有的搜索蜘蛛都不能抓取全部的網頁。
如果這樣的話，會導致整個網站不能被搜索引擎收錄。
6、robots.txt使用技巧
A.每當用戶試圖訪問某個不存在的URL時，服務器都會在日志中記錄404錯誤（無法找到文件）。每當搜索蜘蛛來尋找並不存在的robots.txt文件時，服務器也將在日志中記錄一條404錯誤，所以你應該在網站中添加一個robots.txt。
B.網站管理員必須使蜘蛛程序遠離某些服務器上的目錄——保證服務器性能。比如：大多數網站服務器都有程序儲存在“cgi-bin”目錄下，因此在robots.txt文件中加入“Disallow: /cgi-bin”是個好主意，這樣能夠避免將所有程序文件被蜘蛛索引，可以節省服務器資源。一般網站中不需要蜘蛛抓取的文件有：後臺管理文件、程序腳本、附件、數據庫文件、編碼文件、樣式表文件、模板文件、導航圖片和背景圖片等等。
下面是VeryCMS裡的robots.txt文件：
User-agent: *
Disallow: /admin/後臺管理文件
Disallow: /require/程序文件
Disallow: /attachment/附件
Disallow: /images/圖片
Disallow: /data/數據庫文件
Disallow: /template/模板文件
Disallow: /css/樣式表文件
Disallow: /lang/編碼文件
Disallow: /ｓｃｒｉｐｔ/腳本文件
C.如果你的網站是動態網頁，並且你為這些動態網頁創建瞭靜態副本，以供搜索蜘蛛更容易抓取。那麼你需要在robots.txt文件裡設置避免動態網頁被蜘蛛索引，以保證這些網頁不會被視為含重復內容。
D. robots.txt文件裡還可以直接包括在sitemap文件的鏈接。就像這樣：
Sitemap: http://www.4imarketing.com.hk/sitemap.xml
目前對此表示支持的搜索引擎公司有Google, Yahoo, Ask and MSN。而中文搜索引擎公司，顯然不在這個圈子內。這樣做的好處就是，站長不用到每個搜索引擎的站長工具或者相似的站長部分，去提交自己的sitemap文件，搜索引擎的蜘蛛自己就會抓取robots.txt文件，讀取其中的sitemap路徑，接著抓取其中相鏈接的網頁。
E.合理使用robots.txt文件還能避免訪問時出錯。比如，不能讓搜索者直接進入購物車頁面。因為沒有理由使購物車被收錄，所以你可以在robots.txt文件裡設置來阻止搜索者直接進入購物車頁面。
本文參考：http://www.4imarketing.com.hk/news.asp?id=180
