如何为自己的网站添加关键字如何为
其实这种方法不怎么好,Google这类搜索引擎是读取你的页面内容而决定是否命中的,所以你的主要页面的用词要精辟。这里附上一篇文章《robots_txt和RobotsMETA标签》我们知道,搜索引擎都有自己的“搜索机器人”(ROBOTS),并通过这些ROBOTS在网络上沿着网页上的链接(一般是http和src链接)不断抓取资料建立自己的数据库。 对于网站管理者和内容提供者来说,有时候会有一些站点内容,不希望被ROBOTS抓取而公开。为了解决这个问题,ROBOTS开发界提供了两个办法:一个是robots。txt,另一个是TheRobotsMETA标签。 一、robots。txt1、什么是r...全部
其实这种方法不怎么好,Google这类搜索引擎是读取你的页面内容而决定是否命中的,所以你的主要页面的用词要精辟。这里附上一篇文章《robots_txt和RobotsMETA标签》我们知道,搜索引擎都有自己的“搜索机器人”(ROBOTS),并通过这些ROBOTS在网络上沿着网页上的链接(一般是http和src链接)不断抓取资料建立自己的数据库。
对于网站管理者和内容提供者来说,有时候会有一些站点内容,不希望被ROBOTS抓取而公开。为了解决这个问题,ROBOTS开发界提供了两个办法:一个是robots。txt,另一个是TheRobotsMETA标签。
一、robots。txt1、什么是robots。txt?robots。txt是一个纯文本文件,通过在这个文件中声明该网站中不想被robots访问的部分,这样,该网站的部分或全部内容就可以不被搜索引擎收录了,或者指定搜索引擎只收录指定的内容。
当一个搜索机器人访问一个站点时,它会首先检查该站点根目录下是否存在robots。txt,如果找到,搜索机器人就会按照该文件中的内容来确定访问的范围,如果该文件不存在,那么搜索机器人就沿着链接抓取。
robots。txt必须放置在一个站点的根目录下,而且文件名必须全部小写。网站URL相应的robots。txt的 :80/robots。 :1234/robots。txt2、robots。txt的语法"robots。
txt"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,orNL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行,详细情况如下:User-agent:该项的值用于描述搜索引擎robot的名字,在"robots。txt"文件中,如果有多条User-agent记录说明有多个robot会受到该协议的限制,对该文件来说,至少要有一条User-agent记录。
如果该项的值设为*,则该协议对任何机器人均有效,在"robots。txt"文件中,"User-agent:*"这样的记录只能有一条。Disallow:该项的值用于描述不希望被访问到的一个URL,这个URL可以是一条完整的路径,也可以是部分的,任何以Disallow开头的URL均不会被robot访问到。
例如"Disallow:/help"对/ ml和/help/ ml都不允许搜索引擎访问,而"Disallow:/help/"则允许robot访问/ ml,而不能访问/help/ ml。任何一条Disallow记录为空,说明该网站的所有部分都允许被访问,在"/robots。
txt"文件中,至少要有一条Disallow记录。如果"/robots。txt"是一个空文件,则对于所有的搜索引擎robot,该网站都是开放的。下面是一些robots。txt基本的用法:l禁止所有搜索引擎访问网站的任何部分:User-agent:*Disallow:/l允许所有的robot访问User-agent:*Disallow:或者也可以建一个空文件"/robots。
txt"filel禁止所有搜索引擎访问网站的几个部分(下例中的cgi-bin、tmp、private目录)User-agent:*Disallow:/cgi-bin/Disallow:/tmp/Disallow:/private/l禁止某个搜索引擎的访问(下例中的BadBot)User- :/l只允许某个搜索引擎的访问(下例中的WebCrawler)User- :User-agent:*Disallow:/3、常见搜索引擎机器人Robots名字名称搜索引擎BaiduspiderScooteria_archiverGooglebotFAST-WebCrawlerSlurpMSNBOT4、robots。
txt举例下面是一些著名站点的robots。 、常见robots。txt错误l颠倒了顺序:错误写成User-agent:* 正确的应该是:User- :*l把多个禁止命令放在一行中:例如,错误地写成Disallow:/css//cgi-bin//images/正确的应该是Disallow:/css/Disallow:/cgi-bin/Disallow:/images/l行前有大量空格例如写成Disallow:/cgi-bin/尽管在标准没有谈到这个,但是这种方式很容易出问题。
l404重定向到另外一个页面:当Robot访问很多没有设置robots。txt文件的站点时,会被自动404重定向到另外一个Html页面。这时Robot常常会以处理robots。txt文件的方式处理这个Html页面文件。
虽然一般这样没有什么问题,但是最好能放一个空白的robots。txt文件在站点根目录下。l采用大写。例如USER- :虽然标准是没有大小写的,但是目录和文件名应该小写:user- 语法中只有Disallow,没有Allow!错误的写法是:User- :/john/allow:/jane/l忘记了斜杠/错误的写做:User- :css正确的应该是User- :/css/下面一个小工具专门检查robots。
txt文件的有效性:二、RobotsMETA标签1、什么是RobotsMETA标签Robots。txt文件主要是限制整个站点或者目录的搜索引擎访问情况,而RobotsMETA标签则主要是针对一个个具体的页面。
和其他的META标签(如使用的语言、页面的描述、关键词等)一样,RobotsMETA标签也是放在页面的中,专门用来告诉搜索引擎ROBOTS如何抓取该页的内容。具体的形式类似(见黑体部分):标题…2、RobotsMETA标签的写法:RobotsMETA标签中没有大小写之分,name=”Robots”表示所有的搜索引擎,可以针对某个具体搜索引擎写为name=”BaiduSpider”。
content部分有四个指令选项:index、noindex、follow、nofollow,指令间以“,”分隔。INDEX指令告诉搜索机器人抓取该页面;FOLLOW指令表示搜索机器人可以沿着该页面上的链接继续抓取下去;RobotsMeta标签的缺省值是INDEX和FOLLOW,只有inktomi除外,对于它,缺省值是INDEX,NOFOLLOW。
这样,一共有四种组合:其中可以写成;可以写成需要注意的是:上述的robots。txt和RobotsMETA标签限制搜索引擎机器人(ROBOTS)抓取站点内容的办法只是一种规则,需要搜索引擎机器人的配合才行,并不是每个ROBOTS都遵守的。
目前看来,绝大多数的搜索引擎机器人都遵守robots。txt的规则,而对于RobotsMETA标签,目前支持的并不多,但是正在逐渐增加,如著名搜索引擎GOOGLE就完全支持,而且GOOGLE还增加了一个指令“archive”,可以限制GOOGLE是否保留网页快照。
例如:表示抓取该站点中页面并沿着页面中链接抓取,但是不在GOOLGE上保留该页面的网页快照。收起
