禁止搜索引擎抓取robots.txt文(wén)件设置方法

通常情况下,网站都是需要让搜索引擎收录的,这样才能(néng)更好地增加网站的访问量,但是也有(yǒu)个别行业的网站,如安(ān)全性要求较高银行和企业的内部管理(lǐ)系统等他(tā)们这种站的安(ān)全性和私密性较高,肯定是不希望把数据在第三方上显露,那么如果禁止网站被搜索引擎抓取呢(ne)?盛辉科(kē)技(jì )总结如下:
   先在站点的根目录下新(xīn)建一个robots.txt文(wén)本文(wén)件。当搜索蜘蛛访问这个站点时，它会先检查该站点根目录下是否存在robots.txt，如果存在，搜索蜘蛛就会先读取这个文(wén)件的内容:
文(wén)件写法
User-agent: * 这里的*代表的所有(yǒu)的搜索引擎种类，*是一个通配符
Disallow: / 这里定义是禁止爬寻站点所有(yǒu)的内容
Disallow: /admin/ 这里定义是禁止爬寻admin目录下面的目录
Disallow: /ABC/ 这里定义是禁止爬寻ABC目录下面的目录
Disallow: /cgi-bin/*.htm 禁止访问/cgi-bin/目录下的所有(yǒu)以".htm"為(wèi)后缀的URL(包含子目录)。
Disallow: /*?* 禁止访问网站中(zhōng)所有(yǒu)包含问号 (?) 的网址
Disallow: /.jpg$ 禁止抓取网页(yè)所有(yǒu)的.jpg格式的图片
Disallow:/ab/adc.html 禁止爬取ab文(wén)件夹下面的adc.html文(wén)件。
Allow: /cgi-bin/ 这里定义是允许爬寻cgi-bin目录下面的目录
Allow: /tmp 这里定义是允许爬寻tmp的整个目录
Allow: .htm$ 仅允许访问以".htm"為(wèi)后缀的URL。
Allow: .gif$ 允许抓取网页(yè)和gif格式图片
Sitemap: 网站地图 告诉爬虫这个页(yè)面是网站地图
 
下面列出来的是比较出名(míng)的搜索引擎蜘蛛名(míng)称：
Google的蜘蛛： Googlebot
百度的蜘蛛：baiduspider
Yahoo的蜘蛛：Yahoo Slurp
MSN的蜘蛛：Msnbot
Altavista的蜘蛛：Scooter
Lycos的蜘蛛： Lycos_Spider_(T-Rex) 
Alltheweb的蜘蛛： FAST-WebCrawler/ 
INKTOMI的蜘蛛： Slurp
SOGOU的蜘蛛：Sogou web spider/4.0和Sogouinst spider/4.0

按照以上的说明,我们可(kě)以给大案一个示例,以Sogou的来说,禁止抓取的robots.txt代码写法如下:
User-agent: Sogou web spider/4.0
Disallow: /goods.php 
Disallow: /category.php