帝国CMS-robots.txt文件使用教程

在说帝国CMS-robots.txt文件使用前先给大家解释下robots.tx是干什么的.

robots协议(也称为爬虫协议、爬虫规则、机器人协议等)也就是robots.txt,网站通过robots协议告诉搜索引擎哪些页面可以抓取,哪些页面不能抓取。Robots协议是网站国际互联网界通行的道德规范,其目的是保护网站数据和敏感信息、确保用户个人信息和隐私不被侵犯。因其不是命令,故需要搜索引擎自觉遵守。一些病毒如malware(马威尔病毒)经常通过忽略robots协议的方式,获取网站后台数据和个人信息。

robots.txt文件是一个文本文件,使用任何一个常见的文本编辑器,比如Windows系统自带的Notepad,就可以创建和编辑它。robots.txt是一个协议,而不是一个命令。robots.txt是搜索引擎中访问网站的时候要查看的第一个文件。robots.txt文件告诉蜘蛛程序在服务器上什么文件是可以被查看的。

当一个搜索蜘蛛访问一个站点时,它会首先检查该站点根目录下是否存在robots.txt,如果存在,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,所有的搜索蜘蛛将能够访问网站上所有没有被口令保护的页面。百度官方建议,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。

如果将网站视为酒店里的一个房间,robots.txt就是主人在房间门口悬挂的“请勿打扰”或“欢迎打扫”的提示牌。这个文件告诉来访的搜索引擎哪些房间可以进入和参观,哪些房间因为存放贵重物品,或可能涉及住户及访客的隐私而不对搜索引擎开放。但robots.txt不是命令,也不是防火墙,如同守门人无法阻止窃贼等恶意闯入者。

帝国CMS默认robots.txt为:

  1. #
  2. # robots.txt for EmpireCMS
  3. #
  4. //开源软件:phpfensi.com
  5. User-agent: * *允许所有搜索引擎抓取
  6. Disallow: /d/ *禁止所有搜索引擎抓取D目录
  7. Disallow: /e/class/ *禁止所有搜索引擎抓取/e/class/ 目录
  8. Disallow: /e/data/ *禁止所有搜索引擎抓取/e/data/ 目录
  9. Disallow: /e/enews/ *禁止所有搜索引擎抓取/e/enews/ 目录
  10. Disallow: /e/update/ *禁止所有搜索引擎抓取/e/update/ 目录