网站robots 协议介绍

摘要:开发者可通过 robots 文件声明小程序中不想被搜索引擎收录的部分或者指定搜索引擎只收录特定的部分。

开发者可通过 robots 文件声明小程序中不想被搜索引擎收录的部分或者指定搜索引擎只收录特定的部分。仅当您的小程序中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。文件上传路径为:智能小程序开发者平台->设置->开发设置->小程序资源抓取设置->点击“设置”按钮->点击“上传协议”按钮。

该文件中的记录通常以一行或多行 User-agent 开始,后面加上若干 Disallow 和 Allow 行,详细情况如下:

  • User-agent:

    该项的值用于描述搜索引擎 robot 的名字。在"robots.txt"文件中,如果有多条 User-agent 记录说明有多个 robot 会受到"robots.txt"的限制,对该文件来说,至少要有一条 User-agent 记录。如果该项的值设为*,则对任何 robot 均有效,在"robots.txt"文件中,"User-agent:*"这样的记录只能有一条。如果在"robots.txt"文件中,加入"User-agent:SomeBot"和若干 Disallow、Allow 行,那么名为"SomeBot"只受到"User-agent:SomeBot"后面的 Disallow 和 Allow 行的限制。

  • Disallow:

    该项的值用于描述不希望被访问的一组 URL,这个值可以是一条完整的路径,也可以是路径的非空前缀,以 Disallow 项的值开头的 URL 不会被 robot 访问。例如"Disallow:/help"禁止 robot 访问/help.html、/helpabc.html、/help/index.html,而"Disallow:/help/"则允许 robot 访问/help.html、/helpabc.html,不能访问/help/index.html。"Disallow:"说明允许 robot 访问该网站的所有 url,在"/robots.txt"文件中,至少要有一条 Disallow 记录。如果"/robots.txt"不存在或者为空文件,则对于所有的搜索引擎 robot,该网站都是开放的。

  • Allow:

    该项的值用于描述希望被访问的一组 URL,与 Disallow 项相似,这个值可以是一条完整的路径,也可以是路径的前缀,以 Allow 项的值开头的 URL 是允许 robot 访问的。

    例如"Allow:/hibaidu"允许 robot 访问/hibaidu.htm、/hibaiducom.html、/hibaidu/com.html。一个网站的所有 URL 默认是 Allow 的,所以 Allow 通常与 Disallow 搭配使用,实现允许访问一部分网页同时禁止访问其它所有 URL 的功能。

  • 使用"*“and”$":

    百度 spider 支持是用以下两个通配符来模糊匹配 url。
    “*” 匹配 0 或多个任意字符
    “$” 匹配行结束符

禁止所有搜索引擎访问小程序中的任何部分
User-agent: Disallow: /
允许所有的 robot 访问
User-agent: * Allow: /
仅禁止 Baiduspider 访问您的小程序
User-agent: Baiduspider Disallow: /
仅允许 Baiduspider 访问您的小程序
User-agent: Baiduspider Allow: / User-agent:* Disallow: /
禁止 spider 访问特定目录
User-agent: * Disallow: /cgi-bin/ Disallow: /tmp/ Disallow: /~joe/
允许访问特定目录中的部分 url
User-agent: * Allow: /cgi-bin/see Allow: /tmp/hi Allow: /~joe/look Disallow: /cgi-bin/ Disallow: /tmp/ Disallow: /~joe/
禁止 Baiduspider 抓取小程序中所有图片
User-agent: Baiduspider Disallow: /*.jpg$ Disallow: /*.jpeg$ Disallow: /*.gif$ Disallow: /*.png$ Disallow: /*.bmp$


百度会严格遵守 robots 的相关协议,请注意区分您不想被抓取或收录的目录的大小写,百度会对 robots 中所写的文件和您不想被抓取和收录的目录做精确匹配,否则 robots 协议无法生效。