搜索问答剧场【七】“robots文件”常见问题解析

admin

　　【搜索问答剧场】最新一集如期而至，平小雕又带着满满的知识干货回来啦！准备好迎接知识的洗礼了嘛？
　　A：robots文件用于指定spider在网站上的抓取范围，在文件中可以声明网站中不想被搜索引擎抓取或指定被抓取的资源。
　　文件包含一条或更多的记录，这些记录通过空行分开（以CR,CR/NL, or NL作为结束符），每一条记录的格式如下所示：
　　在该文件中可以使用#进行注解，具体使用方法和UNIX中的惯例一样。该文件中的记录通常以一行或多行User-agent开始，后面加上若干Disallow和Allow行,详细情况如下：
　　Disallow:该项的值用于描述不希望被访问的一组URL，这个值可以是一条完整的路径，也可以是路径的非空前缀，以Disallow项的值开头的URL不会被 robot访问。
　　Allow:该项的值用于描述希望被访问的一组URL，与Disallow项相似，这个值可以是一条完整的路径，也可以是路径的前缀，以Allow项的值开头的URL 是允许robot访问的。
　　如果"/robots.txt"不存在或者为空文件，则对于所有的搜索引擎robot，该网站都是开放的。
　　说明：百度会严格遵守robots的相关协议，请注意区分您不想被抓取或收录的目录的大小写，百度会对robots中所写的文件和您不想被抓取和收录的目录做精确匹配，否则robots协议无法生效。
　　A：站长可以通过搜索资源平台【Robots】工具来创建、校验、更新robots.txt文件，或查看网站robots.txt文件是否成功生效的情况。
　　A：【Robots】工具目前支持48k的文件内容检测。同时请保证网站的robots.txt文件不要过大，目录最长不超过250个字符。
　　robots文件更新和提交后，百度蜘蛛不是立即调整停止/开放抓取的，搜索引擎需要逐渐完成robots.txt的更新。
　　（1）robots文件不能够有效访问。站长可以在资源平台-【Robots】工具查看robots文件的访问情况。
　　（2）在搜索资源平台检测并更新robots文件，若显示抓取失败，可以多尝试点击几次，触发蜘蛛抓取站点。