笔者的话:
Joomla有自己的robot.txt。撰写的规则,可以查看根目录下的robot.txt即可。关于robot的官方写作方法可以查看: http://www.robotstxt.org/
下面是网上转载的内容。
==================转载内容==============
在国内,网站管理者似乎对robots.txt并没有引起多大重视,应一些朋友之请求,今天想通过这篇文章来简单谈一下robots.txt的写作。
robots.txt基本介绍
robots.txt是一个纯文本文件,在这个文件中网站管理者可以声明该网站中不想被robots访问的部分,或者指定搜索引擎只收录指定的内容。
当一个搜索机器人(有的叫搜索蜘蛛)访问一个站点时,它会首先检查该站点根目录下是否存在robots.txt,如果存在,搜索机器人就会按照该文件中的内容来确定访问的范围;如果该文件不存在,那么搜索机器人就沿着链接抓取。
另外,robots.txt必须放置在一个站点的根目录下,而且文件名必须全部小写。
robots.txt写作语法
首先,我们来看一个robots.txt范例:http://www.seovip.cn/robots.txt
访问以上具体地址,我们可以看到robots.txt的具体内容如下:
# Robots.txt file from http://www.seovip.cn
# All robots will spider the domain
User-agent: *
Disallow:
以上文本表达的意思是允许所有的搜索机器人访问www.seovip.cn站点下的所有文件。
具体语法分析:其中#后面文字为说明信息;User-agent:后面为搜索机器人的名称,后面如果是*,则泛指所有的搜索机器人;Disallow:后面为不允许访问的文件目录。
下面,我将列举一些robots.txt的具体用法:
允许所有的robot访问
User-agent: *
Disallow:
或者也可以建一个空文件 "/robots.txt" file
禁止所有搜索引擎访问网站的任何部分
User-agent: *
Disallow: /
禁止所有搜索引擎访问网站的几个部分(下例中的01、02、03目录)
User-agent: *
Disallow: /01/
Disallow: /02/
Disallow: /03/
禁止某个搜索引擎的访问(下例中的BadBot)
User-agent: BadBot
Disallow: /
只允许某个搜索引擎的访问(下例中的Crawler)
User-agent: Crawler
Disallow:
User-agent: *
Disallow: /
另外,我觉得有必要进行拓展说明,对robots meta进行一些介绍:
Robots META标签则主要是针对一个个具体的页面。和其他的META标签(如使用的语言、页面的描述、关键词等)一样,Robots META标签也是放在页面的<head></head>中,专门用来告诉搜索引擎ROBOTS如何抓取该页的内容。
Robots META标签的写法:
Robots META标签中没有大小写之分,name=”Robots”表示所有的搜索引擎,可以针对某个具体搜索引擎写为name=”BaiduSpider”。 content部分有四个指令选项:index、noindex、follow、nofollow,指令间以“,”分隔。
INDEX 指令告诉搜索机器人抓取该页面;
FOLLOW 指令表示搜索机器人可以沿着该页面上的链接继续抓取下去;
Robots Meta标签的缺省值是INDEX和FOLLOW,只有inktomi除外,对于它,缺省值是INDEX,NOFOLLOW。
这样,一共有四种组合:
<META NAME="ROBOTS" CONTENT="INDEX,FOLLOW">
<META NAME="ROBOTS" CONTENT="NOINDEX,FOLLOW">
<META NAME="ROBOTS" CONTENT="INDEX,NOFOLLOW">
<META NAME="ROBOTS" CONTENT="NOINDEX,NOFOLLOW">
其中
<META NAME="ROBOTS" CONTENT="INDEX,FOLLOW">可以写成<META NAME="ROBOTS" CONTENT="ALL">;
<META NAME="ROBOTS" CONTENT="NOINDEX,NOFOLLOW">可以写成<META NAME="ROBOTS" CONTENT="NONE">
目前看来,绝大多数的搜索引擎机器人都遵守robots.txt的规则,而对于Robots META标签,目前支持的并不多,但是正在逐渐增加,如著名搜索引擎GOOGLE就完全支持,而且GOOGLE还增加了一个指令“archive”,可以限制GOOGLE是否保留网页快照。例如:
<META NAME="googlebot" CONTENT="index,follow,noarchive">
表示抓取该站点中页面并沿着页面中链接抓取,但是不在GOOLGE上保留该页面的网页快照。
分享到:
相关推荐
Windows实现robot模拟人实现文件自动下载和上传。鼠标移动,点击,打开浏览器等自动化操作。
自己总结的一个robotframework 的安装文档,总结了安装过程中的注意事项
robot 3d anjuta 可执行文件 初级实现 功能不怎么样,但是可以看看到底是什么样子的啊
登录测试用例.robot
输出报告的模板文件:report.html、view.js,直接替换目录”Python home”\Lib\site-packages\robot\htmldata\rebot下面的这两个文件即可
基于Python的robot Framework环境搭建简单一个脚本就搞定!
RobotFramework远程执行自动化测试 通过RobotFramework提供的远程库(Remote Library,自带标准库),包装我们自定义或者要用到的测试库,注册为远程服务,RobotFramework即可远程调用服务。
robot Framework report报告汉化,这两个文件是输出报告时使用的模版,它们分别是report.html和view.js,在目录”Python home”\Lib\site-packages\robot\htmldata\rebot下面
IBM Rational.Robot注册文件
python读取robot⽂件内容_RobotFrameWork读取excel等⽂件 数据 ⼀、读取excel⽂件 1、安装robotframework-ExcelLibrary⽂件 由于该库只⽀持到python2.7,因此不能使⽤python3的pip安装此⽂件,需要先下载该库:robot...
delta_robot_support包含全局启动文件,URDF和网格的项目。 delta_robot_kinematics包运动学库 delta_robot_img_processor ROS图像处理器,用于检测圆圈。 delta_robot_firmware Arduino src代码 delta_robot_...
python 2.6.exe robot framework-win64-forpy26.exe wxpy2.6.exe,robot framework -win64-ride - fopy26.exe 具体安装步骤可以从网上查,这些资源都是从官网上下的,有需要的话,可以下载,另外,挺不容易的,赚取...
pycharm怎么运⾏robot⽂件_Python之 robotframework+pych。。。 ⼀、robotframework简介 Robot Framework是⼀款python编写的功能⾃动化测试框架。具备良好的可扩展性,⽀持关键字驱动,可以同时测试多种类型的客户端...
压缩包包含 python2.7 ...robotframework-2.8.5.win-amd64.exe robotframework-ride-1.4.win-amd64.exe robotframework-selenium2library-1.5.0.win-amd64.exe wxPython2.8-win64-unicode-2.8.12.1-py27.exe
RobotRobotRobotRobotRobotRobotRobotRobotRobotRobotRobotRobotRobot
Robot Framework 教程 - 使用For循环 在自动化测试过程中,使用For循环来对某个动作进行重复操作是很普遍的行为。在Robot Framework 中,各种测试库中均提供了多种方式的For循环结构,在其中覆盖了大部分类型的循环...
3.3 后处理输出 3.4 配置执行 3.5 创建输出 4 扩展Robot Framework 4.1 创建测试库 4.2 远程库接口 4.3 监听器接口 4.4 扩展Robot Framework Jar 5 支持工具 5.1 库文档工具(Libdoc) 5.2 测试数据文档工具(Testdoc) ...
KUKA Robot IO通讯表.pdf,这是一份不错的文件
Robot Modeling and Control
robotframework 输出的测试报告为英文的,毕竟不是每个人都对测试相关的英语了解的,尤其是一些非技术类的人员,而自动化测试报告是自动化测试人员的工作结果呈现,因此汉化一下输出报告还是有必要的。