子矜网

不知道大家看到我这个标题会怎么想。是不是觉得很可笑。现在一般公认的流量都是来自搜索引擎。而我却说访客重要。其实这两方面都很重要的。只是相比之下，我觉得访客更重要。原因有以下几点：

搜索引擎也是为访客服务的

不要天真的想像成搜索引擎是为广大站长服务的。其实说确切点，应该是，广大站长在为搜索引擎打工。搜索引擎只是替访客更方便的找到有用的东西，而你的网站信息恰好能满足它的要求。于是把你的信息偷来告诉访客，他的任务完成。它可不管你的网站是什么样子的，更不会去主动的推广你的网站。

购买你网站产品的是寻求信息的访客

真正购买你网站产品的是寻求信息的访客，搜索引擎对你的产品可不感兴趣，除非能帮助他提高自己的知名度。如果你只知道搜索引擎优化，搜索引擎很喜欢你的网站，可是访客却读不懂你在网站上到底写了些什么东西。销售也就无从谈起了。

关注你网站的访客多了排名自然会很高

如果你的文章深得广大访客的喜爱，大家会主动的传播、来访你的网站。即使你的网站没做过优化，或优化不是很好。也会有个相当高的排名的。因为这才是访客喜欢的东西。说不定搜索引擎会根据你的网站更改算法（开个玩笑）。

针对以上几点。要想自己的网站被更多的人了解。最好的方法就是，在做好用户体验的情况下进行搜索引擎优化。这样，双管齐下，则无往不利。

网站上受欢迎的文章对读者的吸引力是不言而喻的。经过我自己的总结，读者比较喜欢拥有下面这些特色的文章。

1、易读性。主要是针对网页的页面来说的。排版要清晰，不要密密麻麻的一大堆。文字与页面的色差要合理，白纸黑字比较理想。总之，不能给读者造成阅读上的困难。

2、易理解。指的是内容，不能用行话、或生僻字，要用通俗易懂的语言文字。段落要做到阅读通顺。

3、要发表些有用的东西。不能发表些早饭吃什么，午饭吃什么，晚饭吃什么之类的。发表的东西要使读者学到有用的东西或受到启发或愉悦身心。总之，读者阅读后不能产生，真浪费我时间的感觉。

4、文章不要太长。理想的方法是限制在几百字之内，让读者在最短的时间学到最有用的东西。内容一定要详细，那怕多分几页，也不要用一个大长页面把读者吓跑，更不能草草了事。 继续阅读…

搜索引擎百度是最大的中文引擎，中文站长必需重视的。对他的特点就有必要了解一二，避免百度发火K你。下面是我收集的关于百度的一些特点：

1.支持各种主流中文编码。包括汉字内码扩展规范(GBK)、简体(GB2312)、繁体(BIG5)，且能够在不同编码之间转换。

2.字词结合的处理方式便于解决中文信息的理解问题，极大提高了搜索的准确性和查全率。

3.采用了基于内容和超链分析相结合的智能相关度算法，能够客观分析网页所包含的信息，从而最大限度保证了搜索结果的相关性。

4.支持二次检索(又称渐进检索或逼进检索)。可在上次检索结果中继续检索，逐步缩小查找范围，直至达到最小、最准确的结果集。方便用户找到自己真正感兴趣的内容。

5.搜索结果标示了丰富的网页属性(包括标题、网址、时间、大小、编码、摘要等)，并突出用户的查询串，便于用户判断是否阅读该文。 继续阅读…

前两天把这个博客主题换了个自己喜欢的样式，也就是现在这个样式。比较符合我的申美观，于是这两天总看个不停。也顾不得写博客了。竟然浪费了两天宝贵的时间。真是太可惜了。

经过反思，我觉得把精力过于放在某方面就会忽视别的方面。而博客主要的东西还是上面的文章。只有好的文章才是他的生命力。同样，在生活和工作上也是这样。什么都想学会就得什么都做，结果会什么都做不好。与其这样，还不如在某一方面努力的发展会有成效。也就是专注某一方面要比什么都会成就更大。 继续阅读…

1、凡事有利也有弊，robots.txt带来好处的同时也带来一定的风险。给网络攻击者指明了网站的目录结构及私密数据存放位置。虽说在Web服务器安全措施配置得当的情况下不是一个严重的问题，但是也降底了不怀好意者攻击的难度。比如：如果网站的私密数据通过www.yourname.com/admin/index.html访问，那么，robots.txt的设置可能如下

User-agent:*

Disallow:/admin/

在这种情况下，攻击者只需要看一下robots.txt既可知道你的私密数据在那里。在浏览器里输入：www.yourname.com/admin/既可访问我们不欲公开的内容。对于这种情况，一般采取如下方法：

设置访问权限，对/admin/中的内容实施密码保护，这样，攻击者便无从进入。另一种方法即是将缺省主文件index.html更名为其它。比如更名为abc-index.html。这样访问的目录即为www.yourname.com/admin/abc-index.html，同时，制作一个index.html内容大致为“你没有权限访问此页面”之类，这样，攻击者便因不知实际文件名而无法访问私密数据。

2、如果设置不对，将导致搜索引擎将索引的数据全部删除。

User-agent:*

Disallow:/

上述代码将禁止所有搜索引擎索引数据

1、几乎所有的搜索引蜘蛛都支持robots.txt给出的爬行规则，协议规定搜索引擎蜘蛛进入网站的入口即是该网站的robots.txt，当然，前提是该网站存在此文件。对于没有配置robots.txt的网站，搜索引擎蜘蛛将会被重定向至404错误页面。相关研究表明，如果网站采用了自定义的404错误页面，那么搜索引擎蜘蛛将会把其视作robots.txt—虽然其并非一个纯文本文件——这将给搜索引擎蜘蛛索引网站带来很大的困扰，影响对网站的收录。

2、robots.txt可以制止不必要的搜索引擎占用服务器的宝贵带宽，如email retrievers, 这类搜索引擎对大多数网站是没有意义的；还有image strippers,对于大多数非图形类网站来说其也没有太大意义，但确耗用大量带宽。

3、robots.txt可以制止搜索引擎对非公开页面的索引与爬行，如网站的后台程序，管理程序。事实上，对于网站运行中产生的某些临时页面来说，如果没有配置robots.txt，搜索引擎甚至会索引那些临时文件。

4、对于内容丰富，存在很多页面的网站来说。配置robots.txt的意义更为重大，因为很多时候其会遭遇搜索引擎蜘蜘给予网站的巨大压力。洪水般的搜索蜘蛛访问如果不加以控制，甚至会影响网站的正常访问。

5、同样地，如果网站内存在重复内容，使用robots.txt限制某些内容不被搜索引擎索引和收录，可以避免网站受到搜索引擎关于duplicate content的惩罚，保证网站的排名不受影响。

Robots mete标签主要针对一个个具体的页面。和其他的mete标签一样，Robots mete标签也是放在页面的＜head＞＜/head＞中，专门用来告诉搜索引擎ROBOTS如何抓取网页的内容。

Robots mete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。

除了上一节介绍的robot的常用参数外，robot还有一些特殊的参数。

goolge

允许googlebot:如果想拦截除googlebot外的所有引擎访问网站可以使用下列语法：

User-agent:Disallow:/

User-agent:googlebot

Disallow:

Googlebot跟随指向他自己的行，而不是指向所有引擎的行。

ALLOW扩展名：

googlebot可以识别称为ALLOW的robots.txt标准扩展名。其它搜索引擎可能无法识别此扩展名，因此需要使用您感兴趣的其它搜索引擎查找。allow行的原理与disallow行一样。只需列出您要允许的页面或目录即可。

也可以同时使用disallow和allow。例如：要拦截子目录中某个页面之外的其它所有页面，可以使用下列条目：

User-agent:googlebot

Disallow:/folder1/

Allow:/folder1/myfile.html

这些条目将拦截folder1目录中除myfile.html之外的所有页面。 继续阅读…

“robots.txt”可以包含一条或多条记录，这些记录通过空行分开，以CR、CR/NL、or NL作为结束符。每条记录的格式如下：

“<field>:<optionalspace><value><optionalspace>”。

robots.txt文件可以用#注解。该文件中的记录通常通过一行或多行User-agent开始，后面加上若干Disallow行。详细情况如下：

user-agent的值用来描述搜索引擎robot的名字。robots.txt文件中如果有多条user-agent记录，说明有多个robot会受到该协议的限制，对该文件来说，至少要有一条user-agent记录。如果该项的值设为*，则该协议对任何机器人有效。在robots.txt文件中“user-agent:*”这样的记录只允许有一条。 继续阅读…

搜索引擎通过一种程序robot（又称spider、机器人、蜘蛛），来访问互联网上的网页信息。对此，你可以通过一种纯文本文件robots.txt来引导搜索引擎robots的抓取。robots.txt的制作很简单，只要建立一个文本文件重命名为robots.txt。然后将写好限制条件的robots.txt上传到网站根目录就可以了。另外切记robots.txt的文件名必需小写，不能写成ROBOTS.TXT

还是来介绍一下robots.txt的写法，以便更好的引导搜索引擎对我们网站的抓取：

1. robots.txt文件的格式
2. robot的特殊参数
3. robot METE标签的写法
4. robots.txt带来的好处
5. robots.txt带来的风险及解决办法