robots是站點(diǎn)與spider溝通的重要渠道,站點(diǎn)通過(guò)robots文件聲明該網(wǎng)站中不想被搜索引擎收錄的部分或者指定搜索引擎只收錄特定的部分。請(qǐng)注意,僅當(dāng)您的網(wǎng)站包含不希望被搜索引擎收錄的內(nèi)容時(shí),才需要使用robots.txt文件。如果您希望搜索引擎收錄網(wǎng)站上所有內(nèi)容,請(qǐng)勿建立robots.txt文件。為了避免站長(zhǎng)在設(shè)置robots文件時(shí)出現(xiàn),百度站長(zhǎng)平臺(tái)特別推出了robots工具,W3Cschool也提供了 在線robots.txt文件生成工具 幫助站長(zhǎng)正確設(shè)置robots。
robots文件往往放置于根目錄下,包含一條或更多的記錄,這些記錄通過(guò)空行分開(kāi)(以CR,CR/NL, or NL作為結(jié)束符),每一條記錄的格式如下所示:
"<field>:<optional space><value><optionalspace>"
在該文件中可以使用#進(jìn)行注解,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(kāi)始,后面加上若干Disallow和Allow行,詳細(xì)情況如下:
User-agent:該項(xiàng)的值用于描述搜索引擎robot的名字。在"robots.txt"文件中,如果有多條User-agent記錄說(shuō)明有多個(gè)robot會(huì)受到"robots.txt"的限制,對(duì)該文件來(lái)說(shuō),至少要有一條User-agent記錄。如果該項(xiàng)的值設(shè)為*,則對(duì)任何robot均有效,在"robots.txt"文件中,"User-agent:*"這樣的記錄只能有一條。如果在"robots.txt"文件中,加入"User-agent:SomeBot"和若干Disallow、Allow行,那么名為"SomeBot"只受到"User-agent:SomeBot"后面的 Disallow和Allow行的限制。
Disallow:該項(xiàng)的值用于描述不希望被訪問(wèn)的一組URL,這個(gè)值可以是一條完整的路徑,也可以是路徑的非空前綴,以Disallow項(xiàng)的值開(kāi)頭的URL不會(huì)被 robot訪問(wèn)。例如"Disallow:/help"禁止robot訪問(wèn)/help.html、/helpabc.html、/help/index.html,而"Disallow:/help/"則允許robot訪問(wèn)/help.html、/helpabc.html,不能訪問(wèn)/help/index.html。"Disallow:"說(shuō)明允許robot訪問(wèn)該網(wǎng)站的所有url,在"/robots.txt"文件中,至少要有一條Disallow記錄。如果"/robots.txt"不存在或者為空文件,則對(duì)于所有的搜索引擎robot,該網(wǎng)站都是開(kāi)放的。
Allow:該項(xiàng)的值用于描述希望被訪問(wèn)的一組URL,與Disallow項(xiàng)相似,這個(gè)值可以是一條完整的路徑,也可以是路徑的前綴,以Allow項(xiàng)的值開(kāi)頭的URL 是允許robot訪問(wèn)的。例如"Allow:/hibaidu"允許robot訪問(wèn)/hibaidu.htm、/hibaiducom.html、/hibaidu/com.html。一個(gè)網(wǎng)站的所有URL默認(rèn)是Allow的,所以Allow通常與Disallow搭配使用,實(shí)現(xiàn)允許訪問(wèn)一部分網(wǎng)頁(yè)同時(shí)禁止訪問(wèn)其它所有URL的功能。
使用"*"and"$":Baiduspider支持使用通配符"*"和"$"來(lái)模糊匹配url。
"*" 匹配0或多個(gè)任意字符
"$" 匹配行結(jié)束符。
最后需要說(shuō)明的是:百度會(huì)嚴(yán)格遵守robots的相關(guān)協(xié)議,請(qǐng)注意區(qū)分您不想被抓取或收錄的目錄的大小寫(xiě),百度會(huì)對(duì)robots中所寫(xiě)的文件和您不想被抓取和收錄的目錄做精確匹配,否則robots協(xié)議無(wú)法生效。
robots文件是搜索生態(tài)中很重要的一個(gè)環(huán)節(jié),同時(shí)也是一個(gè)很細(xì)節(jié)的環(huán)節(jié)。很多站長(zhǎng)同學(xué)在網(wǎng)站運(yùn)營(yíng)過(guò)程中,很容易忽視r(shí)obots文件的存在,進(jìn)行錯(cuò)誤覆蓋或者全部封禁robots,造成不必要損失!
那么如果誤操作封禁了robots怎么辦?今天我們請(qǐng)到了廈門(mén)258網(wǎng)站運(yùn)營(yíng)負(fù)責(zé)人——鄭軍偉,為我們分享網(wǎng)站robots誤封禁后該如何操作?
【案例背景】
網(wǎng)站開(kāi)發(fā)2.0版本,技術(shù)選擇了在線開(kāi)發(fā),為了避免搜索引擎抓取開(kāi)發(fā)版本,要求技術(shù)人員設(shè)置了Robots封禁處理。2.0版本開(kāi)發(fā)周期1個(gè)月,1個(gè)月后網(wǎng)站版本迭代,直接覆蓋了1.0版本,包括Robots封禁文件,2天后發(fā)現(xiàn)流量大幅下降,檢查收錄發(fā)現(xiàn)800萬(wàn)收錄降至0條,關(guān)鍵詞大量掉線。
【處理方式】
1.修改Robots封禁為允許,然后到百度站長(zhǎng)后臺(tái)檢測(cè)并更新Robots。
2.在百度站長(zhǎng)后臺(tái)抓取檢測(cè),此時(shí)顯示抓取失敗,沒(méi)關(guān)系,多點(diǎn)擊抓取幾次,觸發(fā)蜘蛛抓取站點(diǎn)。
3.在百度站長(zhǎng)后臺(tái)抓取頻次,申請(qǐng)抓取頻次上調(diào)。
4.百度反饋中心,反饋是因?yàn)檎`操作導(dǎo)致了這種情況的發(fā)生。
5.百度站長(zhǎng)后臺(tái)鏈接提交處,設(shè)置數(shù)據(jù)主動(dòng)推送(實(shí)時(shí))。
6.更新sitemap網(wǎng)站地圖,重新提交百度,每天手工提交一次。
以上處理完,接下來(lái)就是等待了,萬(wàn)幸,2天的時(shí)間數(shù)據(jù)開(kāi)始慢慢回升,到第3天基本回升到正常狀態(tài)!
【案例總結(jié)】
本次事故絕對(duì)是運(yùn)營(yíng)生涯的一次敗筆,總結(jié)反思一下,希望大家避免類似問(wèn)題。
1.產(chǎn)品開(kāi)發(fā)一定要避免在線開(kāi)發(fā),不能為了省事不搭建開(kāi)發(fā)環(huán)境。
2.產(chǎn)品迭代要有流程記錄,開(kāi)發(fā)時(shí)做了那些設(shè)置處理,那些是不需要放出來(lái)的,那些是必須放出來(lái)的,要非常清楚。
3.要經(jīng)常關(guān)注百度站長(zhǎng)后臺(tái),關(guān)注相關(guān)數(shù)據(jù)變化,從數(shù)據(jù)變化中及時(shí)發(fā)現(xiàn)問(wèn)題
更多建議: