子矜网

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.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