解析搜索引擎的Robots协议
【推荐】2019 Java 开发者跳槽指南.pdf(吐血整理) >>> 对于初为站长的人来说，robots.txt文件应该是个比较神秘的东西，今天， 济宁辉腾网站建设 就为大家来解析一下这个文件 。 robots.txt是一种存放于网站根目录下的文本文件，用于告诉搜索引擎的爬虫（spider），此网站中的哪些内容是不应被搜索引擎的索引，哪些是可以被索引。通常认为，robots.txt文件用来搜索引擎对目标网页的抓取。 robots.txt协议并不是一个规范，而只是约定俗成的，通常搜索引擎会识别这个文件，但也有一些特殊情况。 对于Google来说，使用robots也未必能阻止Google将网址编入索引，如果有其他网站链接到该网页的话，Google依然有可能会对其进行索引。按照Google的说法，要想彻底阻止网页的内容在Google网页索引中（即使有其他网站链接到该网页）出现，需要使用noindex元标记或x-robots-tag。例如将下面的一行加入到网页的header部分。 <meta name="googlebot" content="noindex"> 如果Google看到某一页上有noindex的元标记，就会将此页从Google的搜索结果中完全丢弃，而不管是否还有其他页链接到此页。 对于百度来说，情况和Google类似，如果有其他网站链接目标网页