屏蔽隐私页面,后台登陆页面,缓存页面,图片目录,css目录,模板页面,屏蔽双页面的内容,同时可以屏蔽一些质量比较差的页面,例如金网的所有会员用户空间页面,dz的动态链接也可以设置屏蔽.通过Disallow:命令来进行设置.

    每当用户试图访问某个不存在的URL时,服务器都会在日志中记录404错误(无法找到文件).每当搜索蜘蛛来寻找并不存在的robots.txt文件时,服务器也将在日志中记录一条404错误,所以你应该在网站中添加一个robots.txt.

    网站管理员必须使搜索引擎机器人程序远离服务器上的某些目录,以保证服务器性能.比如:大多数网站服务器都有程序储存在"cgi-bin"目录下,因此在robots.txt文件中加入"Disallow: /cgi-bin"是个好主意,这样能够避免所有程序文件都被蜘蛛索引,以达到节省服务器资源的效果.

    一般网站中不需要蜘蛛抓取的文件有: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.

    下面是VeryCMS里的robots.txt文件:

    User-agent: *

    Disallow: /admin/ 后台管理文件

    Disallow: /require/程序文件

    Disallow: /attachment/ 附件

    Disallow: /images/ 图片

    Disallow: /data/数据库文件

    Disallow: /template/ 模板文件

    Disallow: /css/ 样式表文件

    Disallow: /lang/ 编码文件

    Disallow: /script/脚本文件

    Disallow: /js/js文件

    如果你的网站是动态网页,并且你为这些动态网页创建了静态副本,以供搜索蜘蛛更容易抓取.那么你需要在robots.txt文件里设置避免动态网页被蜘蛛索引,以保证这些网页不会被视为是网站重复的内容.

    robots.txt文件里还可以直接包括在sitemap文件的链接.就像这样:

    Sitemap: http://www.***.com/sitemap.xml

    目 前对此表示支持的搜索引擎公司有Google, Yahoo, Ask and MSN.而中文搜索引擎公司,显然不在这个圈子内.这样做的好处就是,站长不用到每个搜索引擎的站长工具或者相似的站长部分,去提交自己的sitemap文件,搜索引擎的蜘蛛自己就会抓取robots.txt文件,读取其中的sitemap路径,接着抓取其中相链接的网页.

    合理使用robots.txt文件还能避免访问时出错.比如,不能让搜索者直接进入购物车页面.因为没有理由使购物车被收录,所以你可以在robots.txt文件里设置来阻止搜索者直接进入购物车页面.