搜索引擎統(tǒng)一Robots文件標(biāo)準(zhǔn)

搜索引擎三巨頭打的不亦樂(lè)乎，但偶爾也合作一下。去年Google，雅虎，微軟就合作，共同遵守統(tǒng)一的Sitemaps標(biāo)準(zhǔn)。前兩天三巨頭又同時(shí)宣布，共同遵守的robots.txt文件標(biāo)準(zhǔn)。Google，雅虎，微軟各自在自己的官方博客上發(fā)了一篇帖子，公布三家都支持的robots.txt文件及Meta標(biāo)簽的標(biāo)準(zhǔn)，以及一些各自特有的標(biāo)準(zhǔn)。下面做一個(gè)總結(jié)。

三家都支持的robots文件記錄包括：

Disallow - 告訴蜘蛛不要抓取某些文件或目錄。如下面代碼將阻止蜘蛛抓取所有的網(wǎng)站文件：

User-agent: *
Disallow: /

Allow - 告訴蜘蛛應(yīng)該抓取某些文件。Allow和Disallow配合使用，可以告訴蜘蛛某個(gè)目錄下，大部分都不抓取，只抓取一部分。如下面代碼將使蜘蛛不抓取ab目錄下其他文件，而只抓取其中cd下的文件：

User-agent: *
Disallow: /ab/
Allow: /ab/cd

$通配符 - 匹配URL結(jié)尾的字符。如下面代碼將允許蜘蛛訪問(wèn)以.htm為后綴的URL：

User-agent: *
Allow: .htm$

*通配符 - 告訴蜘蛛匹配任意一段字符。如下面一段代碼將禁止蜘蛛抓取所有htm文件：

User-agent: *
Disallow: /*.htm

Sitemaps位置 - 告訴蜘蛛你的網(wǎng)站地圖在哪里，格式為：

Sitemap:

三家都支持的Meta標(biāo)簽包括：

NOINDEX - 告訴蜘蛛不要索引某個(gè)網(wǎng)頁(yè)。

NOFOLLOW - 告訴蜘蛛不要跟蹤網(wǎng)頁(yè)上的鏈接。

NOSNIPPET - 告訴蜘蛛不要在搜索結(jié)果中顯示說(shuō)明文字。

NOARCHIVE - 告訴蜘蛛不要顯示快照。

NOODP - 告訴蜘蛛不要使用開放目錄中的標(biāo)題和說(shuō)明。

上面這些記錄或標(biāo)簽，現(xiàn)在三家都共同支持。其中通配符好像以前雅虎微軟并不支持。百度現(xiàn)在也支持Disallow，Allow及兩種通配符。Meta標(biāo)簽我沒(méi)有找到百度是否支持的官方說(shuō)明。

只有Google支持的Meta標(biāo)簽有：

UNAVAILABLE_AFTER - 告訴蜘蛛網(wǎng)頁(yè)什么時(shí)候過(guò)期。在這個(gè)日期之后，不應(yīng)該再出現(xiàn)在搜索結(jié)果中。

NOIMAGEINDEX - 告訴蜘蛛不要索引頁(yè)面上的圖片。

NOTRANSLATE - 告訴蜘蛛不要翻譯頁(yè)面內(nèi)容。

雅虎還支持Meta標(biāo)簽：

Crawl-Delay - 允許蜘蛛延時(shí)抓取的頻率。

NOYDIR - 和NOODP標(biāo)簽相似，但是指雅虎目錄，而不是開放目錄。

Robots-nocontent - 告訴蜘蛛被標(biāo)注的部分html不是網(wǎng)頁(yè)內(nèi)容的一部分，或者換個(gè)角度，告訴蜘蛛哪些部分是頁(yè)面的主要內(nèi)容（想被檢索的內(nèi)容）。

MSN還支持Meta標(biāo)簽：

Crawl-Delay

另外提醒大家注意的是，robots.txt文件可以不存在，返回404錯(cuò)誤，意味著允許蜘蛛抓取所有內(nèi)容。但抓取robots.txt文件時(shí)卻發(fā)生超時(shí)之類的錯(cuò)誤，可能導(dǎo)致搜索引擎不收錄網(wǎng)站，因?yàn)橹┲氩恢�道robots.txt文件是否存在或者里面有什么內(nèi)容，這與確認(rèn)文件不存在是不一樣的。

作者: Zac@SEO每天一貼