为画册的Web Robot 设计路标_厦门画册设计制作公司站制作

Internet越来越酷,WWW的知名度如日中天。在Internet上发布公司信息、进行电子商 务已经从时髦演化成时尚。作为一个Web Master,你可能对HTML、Javascript、Java、 ActiveX了如指掌,但你是否知道什么是Web Robot?你是否知道Web Robot和你所设 计的主页有什么关系?


 Internet上的流浪汉--- Web Robot


  有时你会莫名其妙地发现你的主页的内容在一个搜索引擎中被索引,即使你从未与他们有过任何联系。其实这正是Web Robot的功劳。Web Robot其实是一些程序,它可以穿越大量Internet网址的超文本结构,递归地检索网络站点所有的内容。这些程序有时被叫“蜘蛛(Spider),“网上流浪汉(Web Wanderer),“网络蠕虫(web worms)或Web crawler。一些Internet网上知名的搜索引擎站点(Search Engines)都有专门的Web Robot程序来完成信息的采集,例如Lycos,Webcrawler,Altavista等,以 及中文搜索引擎站点例如北极星,网易,GOYOYO等。


  Web Robot就象一个不速之客,不管你是否在意,它都会忠于自己主人的职责,任劳任怨、不知疲倦地奔波于万维网的空间,当然也会光临你的主页,检索主页内容并生 成它所需要的记录格式。或许有的主页内容你乐于世人皆知,但有的内容你却不愿被洞察、索引。难道你就只能任其“横行于自己主页空间,能否指挥和控制Web Robot的行踪呢?答案当然是肯定的。只要你阅读了本篇的下文,就可以象一个交通 警察一样,布置下一个个路标,告诉Web Robot应该怎么去检索你的主页,哪些可以 检索,哪些不可以访问。


  其实Web Robot能听懂你的话


  不要以为Web Robot是毫无组织,毫无管束地乱跑。很多Web Robot软件给网络站点的 管理员或网页内容制作者提供了两种方法来限制Web Robot的行踪:


  1、Robots Exclusion Protocol 协议


  网络站点的管理员可以在站点上建立一个专门格式的文件,来指出站点上的哪一部分 可以被robot访问, 这个文件放在站点的根目录下,即 http://.../robots.txt


  2、Robots META tag


  一个网页作者可以使用专门的HTML META tag ,来指出某一个网页是否可以被索 引、分析或链接。


  这些方法适合于大多数的Web Robot,至于是否在软件中实施了这些方法,还依赖于 Robot的开发者,并非可以保证对任何Robot都灵验。如果你迫切需要保护自己内容, 则应考虑采用诸如增加密码等其他保护方法。


  使用Robots Exclusion Protocol协议


  当Robot访问一个 Web 站点时,比如http://www.sti.net.cn/,它先去检查文件http: //www.sti.net.cn/robots.txt。如果这个文件存在,它便会按照这样的记录格式去分析:


User-agent:
Disallow: /cgi-bin/
Disallow: /tmp/
Disallow: /~joe/


  以确定它是否应该检索站点的文件。这些记录是专门给Web Robot看的,一般的浏览 者大概永远不会看到这个文件,所以千万不要异想天开地在里面加入形似<img src=> 类的HTML语句或是“How do you do? where are you from?之类假情假意的问候语。


  在一个站点上只能有一个 /robots.txt 文件,而且文件名的每个字母要求全部是小写。在Robot的记录格式中每一个单独的Disallow 行表示你不希望Robot访问的URL, 每个URL必须单独占一行,不能出现 Disallow: /cgi-bin/ /tmp/这样的病句。同时在一个 记录中不能出现空行,这是因为空行是多个记录分割的标志。


  User-agent行指出的是Robot或其他代理的名称。在User-agent行,' 表示一个特殊的含义---所有的robot。


  下面是几个robot.txt的例子:


  在整个服务器上拒绝所有的robots:


User-agent:
Disallow: /


允许所有的robots访问整个站点:
User-agent:
Disallow:
或者产生一个空的 /robots.txt 文件。


服务器的部分内容允许所有的robot访问
User-agent:
Disallow: /cgi-bin/
Disallow: /tmp/
Disallow: /private/


拒绝某一个专门的robot:
User-agent: BadBot
Disallow: /


只允许某一个robot光顾:
User-agent: WebCrawler
Disallow:
User-agent:
Disallow: /


最后我们给出 http://www.w3.org/站点上的robots.txt:
# For use by search.w3.org
User-agent: W3Crobot/1
Disallow:
User-agent:
Disallow: /Member/ # This is restricted to W3C Members only
Disallow: /member/ # This is restricted to W3C Members only
Disallow: /team/ # This is restricted to W3C Team only
Disallow: /TandS/Member # This is restricted to W3C Members only
Disallow: /TandS/Team # This is restricted to W3C Team only
Disallow: /Project
Disallow: /Systems
Disallow: /Web
Disallow: /Team


  使用Robots META tag方式


  Robots META tag 允许HTML网页作者指出某一页是否可以被索引,或是否可以用来查 找更多的链接文件。目前只有部分robot实施了这一功能。


  Robots META tag的格式为:


<META NAME=ROBOTS CONTENT=NOINDEX, NOFOLLOW>
象其他的META tag一样,它应该放在HTML文件的HEAD区:
<html>
<head>
<meta name=robots content=noindex,nofollow>
<meta name=description content=This page ....>
<title>...</title>
</head>
<body>
...


  Robots META tag指令使用逗号隔开,可以使用的指令包括 [NO]INDEX 和[NO] FOLLOW。INDEX 指令指出一个索引性robot是否可以对本页进行索引;FOLLOW 指 令指出robot是否可以跟踪本页的链接。缺省的情况是INDEX和FOLLOW。例如:


<meta name=robots content=index,follow>
<meta name=robots content=noindex,follow>
<meta name=robots content=index,nofollow>
<meta name=robots content=noindex,nofollow>


  一个好的Web 站点管理员应该将robot的管理考虑在内,使robot为自己的主页服务, 同时又不损害自己网页的安全。 




相关文章
画册更换域名需要注意的三点_厦门画册设计制作公司站制作|教学画册
如何提升画册在搜索引擎的收录量_厦门画册设计制作公司站制作|教学
化繁为简 公司画册设计中运用字体的原则_厦门画册设计制作公司站制
丁道师:干货分享对话seo专家封伟军_厦门画册设计制作公司站制作
如何把握婚庆公司画册的广告机会?_厦门画册设计制作公司站制作|教
画册设计针对百度绿萝算法我们怎样寻找优质外_厦门画册设计制作公司
跟不上搜索的变化 那就以不变就不万变_厦门画册设计制作公司站制作
有关公司画册“域名”的五点常识_厦门画册设计制作公司站制作|教学
公司画册设计应该注意的几个要点问题_厦门画册设计制作公司站制作|
搜索引擎索引并处理网页的原理_厦门画册设计制作公司站制作|教学网
浅谈让画册内容页有排名的方法_厦门画册设计制作公司站制作|教学网
什么是软文的关键词和关键词的分类?_厦门画册设计制作公司站制作|
利用关键词布局优化画册排名_厦门画册设计制作公司站制作|教学画册
文亮:总结关键字排名的重要因素_厦门画册设计制作公司站制作|教学
由百度账户分析到百度排名优化规则_厦门画册设计制作公司站制作|教
手表和珠宝公司画册设计四个设计原则_厦门画册设计制作公司站制作|
针对搜索进行写作的基本原则_厦门画册设计制作公司站制作|教学画册
新站做到一个月百度隔日更新经验分享_厦门画册设计制作公司站制作|
工信部的信息名址在市场推广中面临的挑战与对_厦门画册设计制作公司
成功的公司画册设计需要您倾听用户的心声_厦门画册设计制作公司站制


QQ咨询