「十堰SEO」ROBOTS.TXT文件进阶使用方法

关于Robots.txt在网站SEO优化中所发挥的作用和重要性，我们不再一一阐述了，十堰SEO今天主要来和大家聊一聊它的高级用法，也可以叫做进阶使用方法吧。

在介绍进阶使用方法之前，我们先来回顾一下robots.txt的使用要点：

1）文件名必须为小写。不能是RoBotS.TXT。

2）每个域名(不管是不是子域名)都只能最多有一个robots.txt文件，放置于网站根目录。yourname.com的robots.txt对abc.yourname.com没有约束。

3）每种协议都可以有一个robots.txt。如和https://yourname.com可以分别有一个robots.txt。

4）每个端口可以有一个robots.txt。如和:8080可以分别有一个robots.txt。

5）user-agent的名称以及user-agent，allow，disallow，crawl-delay，sitemap这些指示符的大小写不敏感。

6）robots.txt所包含的URL为大小写敏感。分清大小写才能有效排除索引。

7）allow和disallow的URL必须是不包括协议、域名、端口的路径。disallow:就错了。改为disallow: /abc.htm

8）sitemap必须包括从http或https开始的完整的URL。

9）robots.txt不是死链提交工具，想要删除死链索引还是应该登陆各搜索引擎站长平台提交。

10）robots.txt只做减法，有没有这个文件的区别即是去不去做这个排除。删除robots.txt意味着完全开放爬虫漫游。

11）robots.txt只防君子不防小人。历史上发生过多次违反robots.txt的事件。网站要把机密信息放到登陆后。

12）要想严格不让搜索引擎索引还是推荐用noindex标签。但是百度并不支持。

13）crawl-delay并不被谷歌和百度支持，Yandex和Bing则支持。Yandex还支持host指示符来表示偏好的域名。

14）符号#用于注释。后面的内容会被忽略。

这里要说的是通配符*。它代表任意长度的任意字符。请注意每一行allow，disallow之后都有一个看不见的*。

也就是说如果你写了disallow: /seo/，那么下面的内容就会影响到所有以/seo/开头的URL，比如：

但是也有例外的情况，那就是allow和disallow之后没有任何赋值的情况。比如下面这种写法：

# Cybermapper 可以访问任意页面

如果你有多个讨厌的机器人在抓取你的网页消耗你的资源，那你可能会通过disallow屏蔽他们(当然要他们是君子的前提下)。你可以通过user-agent一次性把他们屏蔽。

这种写法在当你有多个user-agent，每个虽然都比较复杂但是都一样的情况下显得很有用。

这样你就可以让robots.txt变得简洁。

如果我们想让某些搜索引擎只访问特定的sitemap，这种情况下该如何处理呢?除了在站长平台提交网站地图，我们还可以在robots.txt内实现。别忘了sitemap文件也是一个资源，我们一样可以用disallow去屏蔽掉。假定我们给百度的网站地图是sitemap-bd.xml文件，其他搜索引擎的地图文件是sitemap.xml，我们可以通过下面的方式来实现：

这样一来站点就有专门针对百度可见的地图文件了，而其他搜索引擎抓取的是另外一个网站地图文件。

我们知道，一般来说搜索引擎对站点地图的大小和所包含的URL的数量都有所限制。比如百度对单个sitemap文件的限制是五万条URL和10MB的文件大小。在这种情况下，你可以在robots.txt中给出多个sitemap文件的URL。除了这种分拆方式，你还可以使用sitemap索引文件，比如下面这个例子。

其他主流的搜索引擎也认这个索引格式。

那么问题来了，即便是这样，文件多且大，传输会变得非常没有效率。为了解决这个问题我们可以对站点地图进行GZIP压缩。像7-zip这样的压缩工具都可以对文件压缩。需要注意的是在压缩前你的单个站点地图文件仍然必须小于10MB并且包含URL数量小于五万条。

以上就是我们介绍的robots.txt的高级应用，如果你再通过结合其他SEO方法，对网站排名相信能起到事半功倍的效果!