robot.txt使用技巧

　　robot.txt使用技巧

　　每当用户试图访问某个不存在的URL时，服务器都会在日志中记录404错误(无法找到文件)。每当搜索蜘蛛来寻找并不存在的robots.txt文件时，服务器也将在日志中记录一条404错误，所以你应该在网站中添加一个robots.txt。

　　网站管理员必须使搜索引擎机器人程序远离服务器上的某些目录，以保证服务器性能。比如大多数网站服务器都有程序储存在“cgi-b”目录下，在robots.txt文件中加入“Disallow: /cgi-b”是个好主意，这样能够避免所有程序文件都被蜘蛛索引，以达到节省服务器资源的效果。

　　一般网站中不需要蜘蛛抓取的文件有后台管理文件、程序脚本、附件、数据库文件、编码文件、样式表文件、模板文件、导航图片和背景图片等等。

　　下面是VeryCMS里的robots.txt文件

　　User-agent:

　　Disallow: /adm/ 后台管理文件

　　Disallow: /require/程序文件

　　Disallow: /attachment/ 附件

　　Disallow: /images/ 图片

　　Disallow: /data/数据库文件

　　Disallow: /template/ 模板文件

　　Disallow: /css/ 样式表文件

　　Disallow: /lang/ 编码文件

　　Disallow: /script/脚本文件

　　Disallow: /js/js文件

　　如果你的网站是动态网页，并且你为这些动态网页创建了静态副本，以供搜索蜘蛛更容易抓取。那么你需要在robots.txt文件里设置避免动态网页被蜘蛛索引，以保证这些网页不会被视为是网站重复的内容。

　　robots.txt文件里还可以直接包括在sitemap文件的链接。就像这样

　　Sitemap: http://../sitemap.xml

　　目 前对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，显然不在这个圈子内。这样做的好处就是，站长不用到每个搜索引擎的站长工具或者相似的站长部分，去提交自己的sitemap文件，搜索引擎的蜘蛛自己就会抓取robots.txt文件，读取其中的sitemap路径，接着抓取其中相链接的网页。

　　合理使用robots.txt文件还能避免访问时出错。比如，不能让搜索者直接进入购物车页面。因为没有理由使购物车被收录，所以你可以在robots.txt文件里设置来阻止搜索者直接进入购物车页面。