SEO链接优化之robots.txt的写法。什么是robots.txt?这是一个文本文件，是搜索引擎爬行网页要查看的第一个文件，你可以告诉搜索引擎哪些文件可以被查看，哪些禁止。当搜索机器人访问一个站点时，它首先会检查根目录是否存在robots.txt，如果有就确定抓取范围，没有就按链接顺序抓取。

robots.txt有什么用？为何需要用robots.txt这个文件来告诉搜索机器人不要爬行我们的部分网页，比如：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。说到底了，这些页面或文件被搜索引擎收录了，用户也看不了，多数需要口令才能进入或是数据文件。既然这样，又让搜索机器人爬行的话，就浪费了服务器资源，增加了服务器的压力，因此我们可以用robots.txt告诉机器人集中注意力去收录我们的文章页面。增强用户体验。

1、用robots屏蔽网站重复页

很多网站一个内容提供多种浏览版本，虽然很方便用户却对蜘蛛造成了困难，因为它分不清那个是主，那个是次，一旦让它认为你在恶意重复，你就惨了

User-agent：*

Disallow：/sitemap/《禁止蜘蛛抓取文本网页》

2、用robots保护网站安全

很多人纳闷了，robots怎么还和网站安全有关系了?其实关系还很大，不少低级黑客就是通过搜索默认后台登陆，以达到入侵网站的目标

User-agent：*

Disallow：/admin/《禁止蜘蛛抓取admin目录下所有文件》

3、防止盗链

一般盗链也就几个人，可是一旦被搜索引擎“盗链”那家伙你100M宽带也吃不消，如果你做的不是图片网站，又不想被搜索引擎“盗链”你的网站图片

User-agent：*

Disallow：.jpg$

4、提交网站地图

现在做优化的都知道做网站地图了，可是却没几个会提交的，绝大多数人是干脆在网页上加个链接，其实robots是支持这个功能的

Sitemap：http:-www-***-com/sitemaps/sitemaps.xml

5、禁止某二级域名的抓取

一些网站会对VIP会员提供一些特殊服务，却又不想这个服务被搜索引擎检索到

User-agent：*

Disallow：/

以上五招robots足以让你对搜索引擎蜘蛛掌控能力提升不少，就像百度说的：我们和搜索引擎应该是朋友，增加一些沟通，才能消除一些隔膜。

robots.txt基本语法：

1、robots.txt的几个关键语法：

a、User-agent:应用下文规则的漫游器，比如Googlebot,Baiduspider等。

b、Disallow:要拦截的网址,不允许机器人访问。

c、Allow:允许访问的网址

d、”*”:通配符—匹配0或多个任意字符。

e、”$”:匹配行结束符。

f、”#”:注释—说明性的文字,不写也可。

g、Googlebot:谷歌搜索机器人(也叫搜索蜘蛛)。

h、Baiduspider:百度搜索机器人(也叫搜索蜘蛛)。

i、目录、网址的写法:都以以正斜线(/)开头。

如

Disallow:/

Disallow:/images/

Disallow:/admin/

Disallow:/css/

2、列举一些robots.txt具体用法：

(1)允许所有的robot访问

User-agent:*

Disallow:

或者

User-agent:*

Allow:/

或者建一个空文件”robots.txt”即可。

(2)仅禁止某个机器人访问您的网站，如Baiduspider。

User-agent:Baiduspider

Disallow:/

3、仅允许某个机器人访问您的网站，如Baiduspider。

User-agent:Baiduspider

Disallow:

User-agent:*

Disallow:/

4、禁止访问特定目录

User-agent:*

Disallow:/admin/

Disallow:/css/

Disallow:

要拦截对所有包含问号(?)的网址的访问(具体地说，这种网址以您的域名开头、后接任意字符串，然后接问号，而后又接任意字符串)，请使用以下内容：

User-agent:Googlebot

Disallow:/*?

要指定与某个网址的结尾字符相匹配，请使用$。例如，要拦截以.xls结尾的所有网址，请使用以下内容：User-agent:Googlebot

Disallow:/*.xls$

您可将此模式匹配与Allow指令配合使用。例如，如果?代表一个会话ID，那么您可能希望排除包含?的所有网址，以确保Googlebot不会抓取重复网页。但是以?结尾的网址可能是您希望包含在内的网页的版本。在此情况下，您可以对您的robots.txt文件进行如下设置：

User-agent:*

Allow:/*?$

Disallow:/*?

Disallow:/*?指令会阻止包含?的所有网址(具体地说，它将拦截所有以您的域名开头、后接任意字符串，然后接问号，而后又接任意字符串的网址)。

Allow:/*?$指令将允许以?结尾的任何网址(具体地说，它将允许所有以您的域名开头、后接任意字符串，然后接?，?之后不接任何字符的网址)。

以上介绍多数都是Google的http:-www-google-com/support/we…cn&answer=40360，百度的大同小异具体可以看http:-www-baidu-com/search/robots.html

一般网站查看robots.txt文件的方法是主页后面加robots.txt就可以，比如淘宝网的就是http:-www-taobao-com/robots.txt请注意，仅当您的网站包含不希望被搜索引擎收录的内容时，才需要使用robots.txt文件。如果您希望搜索引擎收录网站上所有内容，请勿建立robots.txt文件。

网站Robots.txt协议，你懂多少?

网站Robots.txt文件，是网站与搜索引擎交流的通用协议，通过Robots协议的设置告诉搜索引擎哪些页面可以抓取，哪些页面不能抓取：一方面可以做网站安全的防护，更重要的是用来做优化，减少无效页面的收录，提升站点的排名效果。..

..

但是在实际的操作中，绝大多数的网站，在其撰写上都存在或多或少的欠缺，甚至由于技术性的错误撰写，还会导致网站降权、不收录、被K等一系列问题的出现。对于这一点，A5营销，包括我，在对客户的SEO诊断过程中，会经常遇到，可以算是很多站点的通病。今天写出这篇文章，就是来做一个分享：关于robots.txt协议，你写对了吗?

一：设置成Allow全站点抓取

百度收录的越多，网站的排名越高?这是绝大多数站长的认为，事实上也是如此。但是也并非绝对成立：低质量的页面收录，会降低网站的排名效果，这一点你考虑到了吗?

如果你的网站结构不是非常的清晰，以及不存在多余的“功能”页面，不建议对网站开全站点的抓取，事实上，在A5的SEO诊断中，只遇到极少数的一部分网站，可以真正的做到全站点都允许抓取，而不做屏蔽。随着功能的丰富，要做到允许全站点抓取，也不太可能。

二：什么样的页面不建议抓取

对于网站功能上有用的目录，有用的页面，在用户体验上可以得到更好的提升。但是搜索引擎方面来讲，就会造成：服务器负担，比如：大量的翻页评论，对优化上则没有任何的价值。

除此外还包含如：网站做了伪静态处理后，那么就要将动态链接屏蔽掉，避免搜索引擎抓取。用户登录目录、注册目录、无用的软件下载目录，如果是静态类型的站点，还要屏蔽掉动态类型的链接Disallow:/*?*为什么呢?我们举个例子来看：

上面是某客户网站发现的问题，被百度收录的原因是：有人恶意提交此类型的链接，但是网站本身又没有做好防护。

三：撰写上的细节注意事项

方法上来讲，绝大多数的站长都明白，这里就不做多说了，不明白的站长，可以上百度百科看一下。今天这里说一些不常见的，可能是不少站长的疑问。

1、举例：Disallow;/a与Disallow:/a/的区别，很多站长都见过这样的问题，为什么有的协议后加斜杠，有的不加斜杠呢?笔者今天要说的是：如果不加斜杠，屏蔽的是以a字母开头的所有目录和页面，而后者代表的是屏蔽当前目录的所有页面和子目录的抓取。

通常来讲，我们往往选择后者更多一些，因为定义范围越大，容易造成“误杀”。

2、JS文件、CSS需要屏蔽吗?不少网站都做了这个屏蔽，但是笔者要说的是：google站长工具明确的说明：封禁css与js调用，可能会影响页面质量的判断，从而影响排名。而对此，我们做了一些了解，百度方面同样会有一定影响。

3、已经删除的目录屏蔽，很多站长往往删除一些目录后，怕出现404问题，而进行了屏蔽，禁止搜索引擎再抓取这样的链接。事实上，这样做真的好吗?即使你屏蔽掉了，如果之前的目录存在问题，那么没有被蜘蛛从库中剔除，同样会影响到网站。

建议最佳的方式是：将对应的主要错误页面整理出来，做死链接提交，以及自定义404页面的处理，彻底的解决问题，而不是逃避问题。