當前位置:蘿卜系統下載站 > 網頁設計教程 > 詳細頁面

在你的首頁中為Web Robot設計路標

在你的首頁中為Web Robot設計路標

更新時間：2020-02-17 文章作者：未知 信息來源：網絡 閱讀次數：次

網站建設是指使用標識語言（markup language)，通過一系列設計、建模、和執行的過程將電子格式的信息通過互聯網傳輸，最終以圖形用戶界面（GUI）的形式被用戶所瀏覽。簡單來說，網頁設計的目的就是產生網站。簡單的信息如文字，圖片（GIF，JPEG，PNG）和表格，都可以通過使超文件標示語言、可擴展超文本標記語言等標示語言放置到網站頁面上。

   Internet越來越酷，WWW的知名度如日中天。在Internet上發布公司信息、進行電子商 務已經從時髦演化成時尚。作為一個Web Master，你可能對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和你所設 計的主頁有什么關系？ 

Internet上的流浪漢--- Web Robot 

有時你會莫名其妙地發現你的主頁的內容在一個搜索引擎中被索引，即使你從未與他 們有過任何聯系。其實這正是Web Robot的功勞。Web Robot其實是一些程序，它可以 穿越大量Internet網址的超文本結構，遞歸地檢索網絡站點所有的內容。這些程序有時 被叫 “蜘蛛（Spider）” ， “網上流浪漢（Web Wanderer）”，“網絡蠕蟲（web worms）”或Web crawler。一些Internet網上知名的搜索引擎站點（Search Engines）都 有專門的Web Robot程序來完成信息的采集，例如Lycos，Webcrawler，Altavista等，以 及中文搜索引擎站點例如北極星，網易，GOYOYO等。 

Web Robot就象一個不速之客，不管你是否在意，它都會忠于自己主人的職責，任勞 任怨、不知疲倦地奔波于萬維網的空間，當然也會光臨你的主頁，檢索主頁內容并生 成它所需要的記錄格式�；蛟S有的主頁內容你樂于世人皆知，但有的內容你卻不愿被 洞察、索引。難道你就只能任其“橫行”于自己主頁空間，能否指揮和控制Web Robot的行蹤呢？答案當然是肯定的。只要你閱讀了本篇的下文，就可以象一個交通 警察一樣，布置下一個個路標，告訴Web Robot應該怎么去檢索你的主頁，哪些可以 檢索，哪些不可以訪問。 

其實Web Robot能聽懂你的話 

不要以為Web Robot是毫無組織，毫無管束地亂跑。很多Web Robot軟件給網絡站點的 管理員或網頁內容制作者提供了兩種方法來限制Web Robot的行蹤： 

1、Robots Exclusion Protocol 協議 

網絡站點的管理員可以在站點上建立一個專門格式的文件，來指出站點上的哪一部分 可以被robot訪問, 這個文件放在站點的根目錄下，即http://.../robots.txt. 

2、Robots META tag 

一個網頁作者可以使用專門的HTML META tag ，來指出某一個網頁是否可以被索 引、分析或鏈接。 

這些方法適合于大多數的Web Robot，至于是否在軟件中實施了這些方法，還依賴于 Robot的開發者，并非可以保證對任何Robot都靈驗。如果你迫切需要保護自己內容， 則應考慮采用諸如增加密碼等其他保護方法。 

使用Robots Exclusion Protocol協議 

當Robot訪問一個 Web 站點時，比如http://www.sti.net.cn/，它先去檢查文件http: //www.sti.net.cn/robots.txt。如果這個文件存在，它便會按照這樣的記錄格式去分析： 

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


以確定它是否應該檢索站點的文件。這些記錄是專門給Web Robot看的，一般的瀏覽 者大概永遠不會看到這個文件，所以千萬不要異想天開地在里面加入形似<img src=*> 類的HTML語句或是“How do you do? where are you from?”之類假情假意的問候語。 

在一個站點上只能有一個 "/robots.txt" 文件，而且文件名的每個字母要求全部是小 寫。在Robot的記錄格式中每一個單獨的"Disallow" 行表示你不希望Robot訪問的URL， 每個URL必須單獨占一行，不能出現 "Disallow: /cgi-bin/ /tmp/"這樣的病句。同時在一個 記錄中不能出現空行，這是因為空行是多個記錄分割的標志。 

User-agent行指出的是Robot或其他代理的名稱。在User-agent行，'*' 表示一個特殊的含 義---所有的robot。 

下面是幾個robot.txt的例子： 

在整個服務器上拒絕所有的robots： 
User-agent: *
Disallow: / 

允許所有的robots訪問整個站點： 
User-agent: *
Disallow:
或者產生一個空的 "/robots.txt" 文件。 

服務器的部分內容允許所有的robot訪問
User-agent: *
Disallow: /cgi-bin/
Disallow: /tmp/
Disallow: /private/ 

拒絕某一個專門的robot：
User-agent: BadBot
Disallow: /


只允許某一個robot光顧：
User-agent: WebCrawler
Disallow:
User-agent: *
Disallow: /


最后我們給出 http://www.w3.org/站點上的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 允許HTML網頁作者指出某一頁是否可以被索引，或是否可以用來查 找更多的鏈接文件。目前只有部分robot實施了這一功能。 

Robots META tag的格式為： 
<META NAME="ROBOTS" CONTENT="NOINDEX, NOFOLLOW"> 
象其他的META tag一樣，它應該放在HTML文件的HEAD區： 
<html>
<head>
<meta name="robots" content="noindex,nofollow">
<meta name="description" content="This page ....">
<title>...</title>
</head>
<body>
... 

Robots META tag指令使用逗號隔開，可以使用的指令包括 [NO]INDEX 和[NO] FOLLOW。INDEX 指令指出一個索引性robot是否可以對本頁進行索引；FOLLOW 指 令指出robot是否可以跟蹤本頁的鏈接。缺省的情況是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"> 

一個好的Web 站點管理員應該將robot的管理考慮在內，使robot為自己的主頁服務， 同時又不損害自己網頁的安全。 

大多數人在上網的時候，都會瀏覽網頁提供給我們的信息。

溫馨提示：喜歡本站的話，請收藏一下本站！

本類教程下載

系統下載排行

亚洲嫩草影院久久精品