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
