Categories


Tags


搜索问答剧场【七】“robots文件”常见问题解析

哈喽大家好!

【搜索问答剧场】最新一集如期而至,平小雕又带着满满的知识干货回来啦!准备好迎接知识的洗礼了嘛?

第五集【搜索问答剧场】中,跟大家提到了【Robots】工具。

本期就来详细教大家如何灵活地使用【Robots】工具,以及如何正确设置网站整体的抓取范围。

一、了解robots文件

1、Q:什么是robots文件?

A:robots文件用于指定spider在网站上的抓取范围,在文件中可以声明网站中不想被搜索引擎抓取或指定被抓取的资源。

2、Q:robots.txt文件怎么写?

文件包含一条或更多的记录,这些记录通过空行分开(以CR,CR/NL, or NL作为结束符),每一条记录的格式如下所示:

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

在该文件中可以使用#进行注解,具体使用方法和UNIX中的惯例一样。该文件中的记录通常以一行或多行User-agent开始,后面加上若干Disallow和Allow行,详细情况如下:

User-agent:该项的值用于描述搜索引擎robot的名字。

Disallow:该项的值用于描述不希望被访问的一组URL,这个值可以是一条完整的路径,也可以是路径的非空前缀,以Disallow项的值开头的URL不会被 robot访问。

Allow:该项的值用于描述希望被访问的一组URL,与Disallow项相似,这个值可以是一条完整的路径,也可以是路径的前缀,以Allow项的值开头的URL 是允许robot访问的。

如果"/robots.txt"不存在或者为空文件,则对于所有的搜索引擎robot,该网站都是开放的。

说明:百度会严格遵守robots的相关协议,请注意区分您不想被抓取或收录的目录的大小写,百度会对robots中所写的文件和您不想被抓取和收录的目录做精确匹配,否则robots协议无法生效。

robots.txt文件举例:

3、Q:robots.txt文件放在哪里?

A:robots.txt文件应该放置在网站根目录下。网站对应robots文件的URL:

详情可参考《什么是robots文件》

二、如何使用【Robots】工具

1、Q:【Robots】工具的作用?

A:站长可以通过搜索资源平台【Robots】工具来创建、校验、更新robots.txt文件,或查看网站robots.txt文件是否成功生效的情况。

2、Q:使用【Robots】工具的注意事项?

A:【Robots】工具目前支持48k的文件内容检测。同时请保证网站的robots.txt文件不要过大,目录最长不超过250个字符。

robots文件更新和提交后,百度蜘蛛不是立即调整停止/开放抓取的,搜索引擎需要逐渐完成robots.txt的更新。

3、Q:robots.txt中设置了禁止百度收录网站的内容,为何还出现在百度搜索结果中?

A:可能存在以下问题:

(1)robots文件不能够有效访问。站长可以在资源平台-【Robots】工具查看robots文件的访问情况。

(2)文件暂未生效。robots文件在结果中生效一般需要1-2周,可以关注。

4、【Robots】工具校验提示解读?

A:可能出现以下情况:

显示错误码404,robots文件可能无法被访问。

显示错误码301,robots文件可能存在跳转。

显示错误码500,robots页面访问失败。

以上情况时,建议自查robots文件情况针对性优化后,重新提交校验。

5、Q:robots文件误封禁,如何处理?

A:(1)修改robots文件,封禁改为允许。

(2)在搜索资源平台检测并更新robots文件,若显示抓取失败,可以多尝试点击几次,触发蜘蛛抓取站点。

(3)关注【抓取频次】数据情况,可以适当调整抓取频次。

(4)可以使用【链接提交】,主动提交相关资源链接。

来源:百度搜索资源平台


Public @ 2015-05-15 15:16:25

404页面该怎么做?

404页面是指用户请求的页面不存在或者无法访问时,服务器返回的错误页面。对于用户来说,404页面给人一种网站失误或不可靠的印象,但如果设计得当,404页面也可以是有趣的、有创意的,并可以引导用户继续浏览网站。 以下是404页面设计的一些建议: 1. 提供清晰的错误提示:页面应该提供简短明了的错误提示,让用户知道他们访问的页面不存在。 2. 保持网站风格一致:404页面应该与网站的设计风格一致

Public @ 2023-05-28 12:00:23

头条搜索Robots匹配说明

匹配方式分两部分:1.path部分,2.参数部分匹配支持?*$?两种通配符?*? 表示任何有效字符的 0 个或多个个案。?$? 表示网址结束。path部分与google匹配方式保持一致,也就是只有/或是*开头的规则才有机会匹配上?/?匹配根目录以及任何下级网址?/fish??/fish?开头的匹配项* ?/fish?* ?/fish.html?* ?/fish/salmon.html?* ?/fi

Public @ 2011-09-27 16:09:01

Robots.txt 文件应放在哪里?

obots.txt 文件必须放在网站的根目录。放在子目录的 Robots.txt 文件搜索引擎不能爬取到,所以不会起任何作用。如:https://www.seowhy.com/robots.txt    是有效的。https://www.seowhy.com/a/robots.txt  是无效的。以下3种情况需要注意:1、如果手机网站采用的是m.的二级域名,要给手机网

Public @ 2018-08-20 16:09:23

更多您感兴趣的搜索

0.591924s