搜索引擎蜘蛛是一种自动程序，它沿着从一个网页到另一个网页的链接在互联网上爬行，为内容编制索引并将其添加到数据库中。

蜘蛛会导致虚拟专用数据库负载过高，可能会给访问者带来问题。为了帮助解决这些负载问题，有一种标准化的方法来控制这些爬虫的行为，方法是将名为robots.TXT的文件放在网站的根目录中。

robots.txt文件有特定的形式：

User-agent：googlebot

Disallow：/images

Allow：/images/metadata

crawl-delay：2

sitemap：/sitemap.xml

User-agent行指定了该指令块适用的用户代理，可以使用星号（*）来适用所有用户代理，例如示例中的googlebot。

Disallow指令用于告诉搜索引擎蜘蛛程序不加载的目录或文件，但不能阻止页面出现在搜索结果中。

Allow指令用于指定搜索引擎蜘蛛可以加载的禁止目录中的文件或目录。

crawl-delay指令以秒为单位给出蜘蛛在加载下一页之前将等待的时间。

sitemap指令可以将蜘蛛引导到网站的XML网站地图文件，帮助网站进行索引。

在robots.txt中可以填充尽可能多或很少的用户代理，以控制访问站点的方式。

创建了robots.txt之后，需要对其进行测试，以确保有效性。

标签： Robots、

本文地址： https://yihaiquanyi.com/article/b125adef1ce64e6b4893.html

上一篇：微信公众平台小程序注册微信公众平台快速增...
下一篇：公众号粉丝从哪里查看公众号粉丝从0到1000...