Training: WWW-Robots

开发技术作者： 2024-06-25 13:35:01

原题链接：http://www.wechall.net/challenge/training/www/robots/index.php 打开网页他给我们说什么说什么这是一个小挑战，你将会了解到机器人排除标准，robots.txtWeb爬虫用来检查它们是否允许爬行和索引您的网站，或者只是其中的一部分。有时，这些文件会显示目录结构，而不是保护内容不被爬行。具体点： robots.txt文件是一个文

原题链接：http://www.wechall.net/challenge/training/www/robots/index.PHP

打开网页他给我们说什么

说什么这是一个小挑战，你将会了解到机器人排除标准，robots.txtWeb爬虫用来检查它们是否允许爬行和索引您的网站，或者只是其中的一部分。有时，这些文件会显示目录结构，而不是保护内容不被爬行。

具体点：

robots.txt文件是一个文本文件，使用任何一个常见的文本编辑器，比如Windows系统自带的Notepad，就可以创建和编辑它[1] 。robots.txt是一个协议，而不是一个命令。robots.txt是搜索引擎中访问网站的时候要查看的第一个文件。robots.txt文件告诉蜘蛛程序在服务器上什么文件是可以被查看的。

当一个搜索蜘蛛访问一个站点时，它会首先检查该站点根目录下是否存在robots.txt，如果存在，搜索机器人就会按照该文件中的内容来确定访问的范围；如果该文件不存在，所有的搜索蜘蛛将能够访问网站上所有没有被口令保护的页面。百度官方建议，仅当您的网站包含不希望被搜索引擎收录的内容时，才需要使用robots.txt文件。如果您希望搜索引擎收录网站上所有内容，请勿建立robots.txt文件。

如果将网站视为酒店里的一个房间，robots.txt就是主人在房间门口悬挂的“请勿打扰”或“欢迎打扫”的提示牌。这个文件告诉来访的搜索引擎哪些房间可以进入和参观，哪些房间因为存放贵重物品，或可能涉及住户及访客的隐私而不对搜索引擎开放。但robots.txt不是命令，也不是防火墙，如同守门人无法阻止窃贼等恶意闯入者。

Robots协议用来告知搜索引擎哪些页面能被抓取，哪些页面不能被抓取；可以屏蔽一些网站中比较大的文件，如：图片，音乐，视频等，节省服务器带宽；可以屏蔽站点的一些死链接。方便搜索引擎抓取网站内容；设置网站地图连接，方便引导蜘蛛爬取页面。(摘自百度百科)

所以这道题的robots.txt也是在根目录中，直接访问http://www.wechall.net/robots.txt

看到