广 告 位 招 租 QQ:527116945
当前位置: 首页 » SEO » seo » 正文

seo优化用什么工具

放大字体  缩小字体 发布日期:2022-05-25 18:20:40  来源:seo优化用什么工具  作者:xiao  浏览次数:2
核心提示:seo优化用什么工具-robots写法解析对于网站一个很重要的附件就是robots.txt文件,也就是针对于搜索引擎抓取的一份协议。如果这份

seo优化用什么工具-robots写法解析

对于网站一个很重要的附件就是robots.txt文件,也就是针对于搜索引擎抓取的一份协议。如果这份robots协议没有利用好,会给网站优化造成很大的阻碍。有些朋友在网站上线一段时间之后,发现网站的收录量不正常,比如网站长时间不收录或者网站的某个目录没有被收录的现象,所以对于robots检查工作是十分重要的。

通常情况下我们都会使用站长平台工具当中的robots测试工具来检查协议是否正确,自己要清楚的知道robots协议当中不让搜索引擎抓取的页面有哪些,而这些页面是否真的不需要被搜索引擎抓取。如果发现robots文件有错误的地方,不但要及时更改,而且还有通过站长平台的检测并更新功能查看新修改的robots是否已经生效。

robots协议当中的每一个字符都是是否重要的,不能有半点错误出现,比如空格键的使用都是非常重要的,通过站长平台工具的robots文件检查也可以发现robots有没有错误的写法出现。同时还可以进行链接抓取的校验,比如网站的某个根目录是不想让搜索引擎抓取的,在这里就可以填写相应的根目录来检测一下搜索引擎是否真的不能抓取这个目录。

在当中有一篇关于wordpress网站的robots协议的写法,并对每一条代码进行了解释,内容标题是《robots.txt协议利于wordpress网站seo优化的写法》感兴趣的朋友可以去参考一下。

seo优化用什么工具-SEO相关(1)

关于robots文件在seo优化基础当中的作用是非常重要的,特别是针对于新站来说,这是在搜索引擎当中的第一印象的最重要的因素,如果robots文件操作到位,对今后搜索引擎的抓取、索引和收录都是非常有帮助的。那么robots文件是否支持中文目录呢?今天和朋友分享一下百度站长平台对robots文件是否支持中文目录所做出的解释,正文部分如下:

有同学问百度站长学院一个关于robots的问题:我们有个站点的目录结构使用的是中文,这样式儿的:www.a.com/冒险岛/123.html,那在制作robots文件和sitemap文件的时候,可以直接使用中文吗?百度能获取到吗?在实际操作中我们发现,sitemap中有文件是可以生效的,但robots封禁貌似没有反应,所以想确认一下:robots文件是否支持中文?

工程师解答:Baiduspider目前(2016年10月)在robots里是不支持中文的。

同学追问:那我们进行UrlEncode编码会不会支持呢?比如这种:http://www.a.cn/%E7%89%B9%E6%AE%8A:%E6%B5%8F%E8%A7%88/%E7%94%9F%E6%AD%BB%E7%8B%99%E5%87%BB:%E7%99%BD%E9%93%B6%E5%8A%A0%E7%89%B9%E6%9E%97

工程师解答:robots文件支持这种写法。但是否生效,还要取决于当时BaiduSpider抓取的是哪种形式结构的链接,如果是UrlEncode编码就可以生效,如果是中文就非常不幸了。

seo优化用什么工具-SEO相关(2)

在当中发布了不止一篇关于robots文件的内容,对于网站的seo基础优化来说,robots文件是一个比较重要的网站辅助文件之一,所以robots写法的准确性也是至关重要的。今天小凯和朋友们分享的主题就是关于robots文件的写法,本文转载自百度文库的robots.txt写法完全攻略。

当搜索引擎访问一个网站时,它首先会检查该网站的根域下是否有一个叫做robots.txt的纯文本文件。Robots.t xt文件用于限定搜索引擎对其网站的访问范围,即告诉搜索引擎网站中哪些文件是允许它进行检索(下载)的。这就是大家在网络上常看到的“拒绝Robots访问标准”(Robots Exclusion Standard)。下面我们简称RES。

Robots.txt文件的格式:

Robots.txt文件的格式比较特殊,它由记录组成。这些记录通过空行分开。其中每条记录均由两个域组成:

1) 一个User-Agent(用户代理)字符串行;

2) 若干Disallow字符串行。

记录格式为:<Field> “:” <value>

下面我们分别对这两个域做进一步说明。

User-agent(用户代理):

User-agent行(用户代理行) 用于指定搜索引擎robot的名字,以Google的检索程序Googlebot为例,有:User-agent: Googlebot

一个robots.txt中至少要有一条User-agent记录。如果有多条User-agent记录,则说明有多个ro bot会受到RES标准的限制。当然了,如果要指定所有的robot,只需用一个通配符”*”就搞定了,即:User-agen t: *

Disallow(拒绝访问声明):

在Robots.txt文件中,每条记录的第二个域是Disallow:指令行。这些Disallow行声明了该网站中不希望被访问的文件和(或)目录。例如”Disallow: email.htm”对文件的访问进行了声明,禁止Spiders下载网站上的email.htm文件。而”Disallow:/cgi-bin/”则对 cgi-bin目录的访问进行了声明,拒绝Spiders进入该目录及其子目录。Disallow声明行还具有通配符功能。例如上例中”Disallow:/cgi-bin/”声明了拒绝搜索引擎对cgi-bin目录及其子目录的访问,而 “Disallow:/bob”则拒绝搜索引擎对/bob.html和/bob/indes.html的访问(即无论是名为bob的文件还是名为bob的目录下的文件都不允许搜索引擎访问)。Disallow记录如果留空,则说明该网站的所有部分都向搜索引擎开放。

空格 & 注释

在robots.txt文件中,凡以”#”开头的行,均被视为注解内容,这和UNIX中的惯例是一样的。但大家需要注意两个 问题:

1)RES标准允许将注解内容放在指示行的末尾,但这种格式并不是所有的Spiders都能够支持。譬如,并不是所有的Spider s都能够正确理解”Disallow: bob#comment”这样一条指令。有的Spiders就会误解为Disallow的是”bob#comment”。最好的办法是使注解自成一行。

2) RES标准允许在一个指令行的开头存在空格,象”Disallow: bob #comment”,但我们也并不建议大家这么做。

Robots.txt文件的创建:

需要注意的是,应当在UNIX命令行终端模式下创建Robots.txt纯文本文件。好的文本编辑器一般都能够提供UNIX 模式功能,或者你的FTP客户端软件也“应该”能够替你转换过来。如果你试图用一个没有提供文本编辑模式的HTML编辑器来生成你的robots.txt纯文本文件,那你可就是瞎子打蚊子――白费力气了。

对RES标准的扩展:

尽管已经提出了一些扩展标准,如Allow行或Robot版本控制(例如应该忽略大小写和版本号),但尚未得到RES工作组 的正式批准认可。

附录I. Robots.txt用法举例:

使用通配符”*”,可设置对所有robot的访问权限。

User-agent: *

Disallow:

表明:允许所有搜索引擎访问网站下的所有内容。

User-agent: *

Disallow: /

表明:禁止所有搜索引擎对网站下所有网页的访问。

User-agent: *

Disallow: /cgi-bin/Disallow: /images/

表明:禁止所有搜索引擎进入网站的cgi-bin和images目录及其下所有子目录。需要注意的是对每一个目录必须分开声明。

User-agent: Roverdog

Disallow: /

表明:禁止Roverdog访问网站上的任何文件。

User-agent: Googlebot

Disallow: cheese.htm

表明:禁止Google的Googlebot访问其网站下的cheese.htm文件。

上面介绍了一些简单的设置,对于比较复杂的设置,可参看一些大型站点如CNN或Looksmart的robots.txt文 件(www.abc.com /robots.txt, www.abc.com /robots.txt)

附录II. 相关robots.txt文章参考:

1. Robots.txt常见问题解析

2. Robots meta Tag的使用

3. Robots.txt检测程序Robots.txt常见问题解析:

我们开发了一个针对robots.txt文件的“验检程序”,同时又设计了一个搜索程序,专门下载robots.txt文件,以此对新推出的这个“robots.txt验检程序”进行测试。在对DMOZ(ODP)中所链接的站点进行遍历,共计检索24 0万个站点后,我们总共找到了大概75k的robots.txt文件。

在这些robots.txt文件中,我们发现了大量的而且是形形色色的问题。有超过5%的robots.txt文件使用了错 误格式,有超过2%的文件由于使用的是极其拙劣的格式而导致无法为任何SPIDER读取。我们将发现的一些问题在下面列出来供大 家参考借鉴:

错误1―语法混用

例如:

User-agent: *

Disallow: scooter

正确语法应为:

User-agent: scooter

Disallow: *

错误2―一行Disallow声明多个目录

这是一个比较常见的错误。我们发现很多网站在其robots.txt中,在一个Disallow指令行中放入了多个目录。譬 如:Disallow: /css/ /cgi-bin/images/

绝大多数的spiders对上述声明行都无法做出正确的解析,有些Spiders会忽略其空格而解析为/css//cgi-bi n//images/,或只解析/images/或/css/,或者根本不予解析。

正确的语法应为:

Disallow: /css/

Disallow: /cgi-bin/

Disallow: /images/

错误3―在DOS模式下编辑robots.txt文件

这也是一个比较常见的错误。正确的做法应该是在UNIX模式下编辑你的robots.txt文件并以ASCII码格式上传。显然并非所有的FTP客户端软件都能够天衣无缝地将文件格式转换为UNIX命令行终端,所以在编辑robots.txt文件时,一定要确保你的文本编辑器是在UNIX模式下。

错误4―在指示行末尾加注

在robots.txt文件中,凡以”#”开头的行,均被视为注解内容,这和UNIX中的惯例是一样的。例如:Disall ow: /cgi-bin/ # this bans robots from our cgi-bin

虽然根据RES标准,在指示行的末尾加注是可行的,但这种格式在过去却并非所有的Spiders都能够支持,有些Spide rs干脆就把整个句子视为注解内容直接跳过去不读。当然我们知道现如今搜索引擎基本上都能够支持这种格式,不过―仍有可能无法被某些搜索引擎正确解读,你冒得起这个险吗?我们建议在编辑robots.txt文件时,最好让注解自成一行。

错误5―指令行前有空格

例如”Disallow:/cgi-bin/”,虽然RES标准并未对这种格式予以特别说明,但我们对这种格式是持极力反对态度的。同样的问题摆在你面前 你冒得起无法被Spiders正确解读的险吗?

错误6–404重定向至另一页面

一般没有robots.txt的网站会将对robots.txt文件的调用请求转至另一页面。这种重定向通常不会产生服务器状态错误或重定向状态信息。然而因为是Spiders自己决定它看到的是robots.txt文件还是一个.html文件。虽然理论上应该不会有什么问题,不过为了保险起见,不妨在你服务器的顶级目录下放一个空的robots.txt文件。在www.google.com/bot.html下,也提供了相同的建议―“如欲避免网络服务器日志中的出错信息‘找不到文件’,可在其根域下创建一个空的robots.txt文件。”

错误7―声明自相矛盾

例如:

USER-AGENT: EXCITE

DISALLOW:

虽然RES标准忽略大小写(CaseSensitive),但目录和文件名却是大小写敏感的。所以对于”USER-AGENT”和”DISALLOW”指令,用大小 写都是可以的。但对于所声明的目录或文件名却一定要注意大小写的问题。

错误8―列出所有文件

这也是一种常见错误,不厌其烦地将目录下文件全数列出。例如:

Disallow: /AL/Alabama.html

Disallow: /AL/AR.html

Disallow: /Az/AZ.html

Disallow: /Az/bali.html

Disallow: /Az/bed-breakfast.html

其实,上面这么多声明行只需用目录选项来替代:

Disallow: /AL

Disallow: /Az

需要注意的是:反斜杠”/”表示禁止搜索引擎进入该目录。如果只有几十个文件需要设置访问权限,那倒也无可厚非。问题是我们发现有一个robots.txt文件中列出了有400k,多达4,000个文件。我们只是纳闷看到这么多声明,有多少Spide rs会掉头而去。

错误9―自创ALLOW指令

没有ALLOW指令,只有DISALLOW指令!我们发现有这样的用法:

User-agent: Spot

Disallow: /john/

allow: /jane/

正确写法应为:

User-agent: Spot

Disallow: /john/

Disallow:

错误10―对声明的目录无反斜杠标识

例如我们发现有这样的例子:

User-agent: Spot

Disallow: john

对这样的记录Spider该怎么反应?按照RES标准,Spider会将名为”john”的文件和名为”john”的目录都 DISALLOW。所以要记得使用”/”来标识所声明的路径(目录)。

我们还发现,有些网站的优化工作做得真彻底,竟然在其robots.txt中也放了关键词(费解,不明白他们怎么想的)。这 些人一定是把他们的robots.txt纯文本文件当作是html文件了。(要记住:在FrontPage下是不可能正确创建r obots.txt文件的)

错误11―网络服务器端的错误配置

为什么对robots.txt文件的调用请求会产生一个二进制文件?只有网络服务器或FTP客户端软件错误设置的情况下才可 能发生这种错误。建议大家定期检查自己的robots.txt文件(http:/www.abc.com /robots.txt)。

服务器/域名“农场”

搜索引擎检测服务器或域名“农场”(即包含巨量站点)的一个简单途径是看它们的robots.txt。我们发现规模在400 到500个域名的大型域名“农场”,其“库”内站点使用都是同一个robots.txt文件。这也就相当于告诉搜索引擎这些使用同一robots.txt文件的站点是相关联的。

Google率先支持通配符:

Google是第一家能够支持robots.txt中通配符文件扩展名的搜索引擎。例如:

User-agent: googlebot

Disallow: *.cgi

不过注意了,由于目前只有Google能够支持这种格式,所以”USER-AGENT”只能是“Googlebot”。

郑重声明:本文版权归原作者所有,转载文章仅为传播更多信息之目的,如作者信息标记有误,请第一时间联系我们修改或删除,多谢。
 

 
推荐图文
最新热点文章