百度蜘蛛是笨蛋 看我怎么活捉蜘蛛

最新发现，百度蜘蛛(Baiduspider)是笨蛋!最近发现网站百度收录的很慢，基本上是过几天重新快照下首页，其它页面基本上不收录!郁闷!实在郁闷!打开网站IIS log，查了下百度蜘蛛，大惊!有重大发现：百度蜘蛛真是个笨蛋!

一、先看看百度蜘蛛是怎么笨死的。以下是百度蜘蛛在我网站上的活动记录。

1、2009-06-03 21:26:05 W3SVC962713505 218.60.130.19 GET /robots.txt - 80 - 123.125.64.15 Baiduspider ( ) 404 0 64 (注：404表明未找到robots.txt)

2、2009-06-03 21:26:49 W3SVC962713505 218.60.130.19 GET /index.asp - 80 - 123.125.64.15 Baiduspider ( ) 200 0 64 (注：200表明找到首页文件index.asp)

由此可以看出，百度蜘蛛的活动，先到网站找robots.txt 这个文件，如果没有则找到网站首页index.asp，和百度目前收录的首页对比后发现和原来没变化，然后走了。和广大站长一样，谁不想自己被百度收录的页面时不时的快照更新下?看来只有先完善robots.txt ，牵着百度蜘蛛到我站上到处跑了。

二、书写robots.txt ，带百度到你站上四处逛逛。

robots.txt 这个文件必须写。具体怎么写大家都懂吧?不会的话我再重复下

例1. 禁止所有搜索引擎访问网站的任何部分

User-agent: *

Disallow: /

例2. 允许所有的robot访问

(或者也可以建一个空文件 /robots.txt)

User-agent: *

Disallow:

或者

User-agent: *

Allow: /

(桌子注：这个必须的，不要建空文件，那是百度在放烟。最好写下面一句。)

例3. 仅禁止Baiduspider访问您的网站

User-agent: Baiduspider

Disallow: /

例4. 仅允许Baiduspider访问您的网站

User-agent: Baiduspider

Disallow:

User-agent: *

Disallow: /

例5. 禁止spider访问特定目录

在这个例子中，该网站有三个目录对搜索引擎的访问做了限制，即robot不会访问这三个目录。需要注意的是对每一个目录必须分开声明，而不能写成 Disallow: /cgi-bin/ /tmp/。

User-agent: *

Disallow: /cgi-bin/

Disallow: /tmp/

Disallow: /~joe/

例6. 允许访问特定目录中的部分url

User-agent: *

Allow: /cgi-bin/see

Allow: /tmp/hi

Allow: /~joe/look

Disallow: /cgi-bin/

Disallow: /tmp/

Disallow: /~joe/

例7. 使用*限制访问url

禁止访问/cgi-bin/目录下的所有以.htm为后缀的URL(包含子目录)。

User-agent: *

Disallow: /cgi-bin/*.htm

例8. 使用$限制访问url

仅允许访问以.htm为后缀的URL。

User-agent: *

Allow: .htm$

Disallow: /

例9. 禁止访问网站中所有的动态页面

User-agent: *

Disallow: /*?*

例10. 禁止Baiduspider抓取网站上所有图片

仅允许抓取网页，禁止抓取任何图片。

User-agent: Baiduspider

Disallow: .jpg$

Disallow: .jpeg$

Disallow: .gif$

Disallow: .png$

Disallow: .bmp$

例11. 仅允许Baiduspider抓取网页和.gif格式图片

允许抓取网页和gif格式图片，不允许抓取其他格式图片

User-agent: Baiduspider

Allow: .gif$

Disallow: .jpg$

Disallow: .jpeg$

Disallow: .png$

Disallow: .bmp$

例12. 仅禁止Baiduspider抓取.jpg格式图片

User-agent: Baiduspider

Disallow: .jpg$

看看桌子自己写的robots.txt，大家参考

复制代码

User-agent: *

Disallow: /admin/

Disallow: /Soft/

Allow: /images/

Allow: /html/

Allow: .htm$

Allow: .php$

Allow: .asp$

Allow: .gif$

Allow: .jpg$

Allow: .jpeg$

Allow: .png$

Allow: .bmp$

Allow: /

解释:

1、允许各种搜索引擎索引

2、禁止索引/admin目录，这里是网站的后台，当然禁止了

3、禁止/soft等重要安全目录

4、允许访问/images目录

5、允许访问/html目录

6、允许访问所有htm，php,asp,html文件

7、允许抓取gif,jpg,jpeg,png,bmp格式的图片

8、允许抓取网站根目录下的文件。

好了，把你的 robots.txt传到网站跟目录下等着百度蜘蛛再来吧。到时候有这个好向导会带着那个笨蛋到你站上到处走走的。本文作者桌子，由MOFHOT外贸服装批发网www.mofhot.com 搜集发布，请A5留个连接谢谢~发个文章也不容易的。