robots
robots是网站跟爬虫间的协议,用简单直接的txt格式文本方式告诉对应的爬虫被允许的权限,也就是说robots.txt是搜索引擎中访问网站的时候要查看的第一个文件。当一个搜索蜘蛛访问一个站点时,它会首先检查该站点根目录下是否存在robots.txt,如果存在,搜索机器人就会按照该文件中的内容来确定访问的范围;如果该文件不存在,所有的搜索蜘蛛将能够访问网站上所有没有被口令保护的页面。
来源:360站长平台
404页面是客户端在浏览网页时,服务器无法正常提供信息,或是服务器无法回应,且不知道原因所返回的页面。据说在第三次科技革命之前,互联网的形态就是一个大型的中央数据库,这个数据库就设置在404房间里面。那时候所有的请求都是由人工手动完成的,如果在数据库中没有找到请求者所需要的文件,或者由于请求者写错了文件编号,用户就会得到一个返回信息:room 404 : file not found。404错误信
| sitemap是什么?● 网站地图/链接集合,把网站所有的URL放在一个文件内,方便搜索引擎爬取到。| 如何制作sitemap?● 小型网站采用txt格式的sitemap● 大中型网站采用xml格式的sitemap● 工具:老虎sitemap| 制作sitemap注意事项1. 文件格式为TXT或xml,普通企业官网TXT即可,大型网站可使用xml;2. 按时间倒序排列;3. 每周更新,最好每天
Crawl-delay 指令:几大抓取工具支持Crawl-delay参数,设置为多少秒,以等待同服务器之间连续请求,如:User-agent:*Crawl-delay:10来源:360站长平台
百度各个产品使用不同的user-agent:无线搜索Baiduspider-mobile图片搜索Baiduspider-image视频搜索Baiduspider-video新闻搜索Baiduspider-news百度搜藏Baiduspider-favo百度联盟Baiduspider-cpro商务搜索Baiduspider-ads网页以及其他搜索Baiduspider来源:360站长平台