搜索引擎的蜘蛛人（ROBOTS）秘密

5、 常见robots.txt错误


l         颠倒了顺序：
错误写成
User-agent: *
Disallow: GoogleBot

正确的应该是：
User-agent: GoogleBot
Disallow: *

l         把多个禁止命令放在一行中：
例如，错误地写成
Disallow: /css/ /cgi-bin/ /images/

正确的应该是
Disallow: /css/ 
Disallow: /cgi-bin/ 
Disallow: /images/

l         行前有大量空格
例如写成
        Disallow: /cgi-bin/
尽管在标准没有谈到这个，但是这种方式很容易出问题。

l         404重定向到另外一个页面：
当Robot访问很多没有设置robots.txt文件的站点时，会被自动404重定向到另外一个Html页面。这时Robot常常会以处理robots.txt文件的方式处理这个Html页面文件。虽然一般这样没有什么问题，但是最好能放一个空白的robots.txt文件在站点根目录下。

l         采用大写。例如
USER-AGENT: EXCITE
DISALLOW: 
虽然标准是没有大小写的，但是目录和文件名应该小写：
user-agent:GoogleBot
disallow: 

l         语法中只有Disallow，没有Allow！
错误的写法是：
User-agent: Baiduspider       
Disallow: /john/
allow: /jane/

l         忘记了斜杠/
错误的写做：
User-agent: Baiduspider       
Disallow: css

正确的应该是
User-agent: Baiduspider       
Disallow: /css/ 

下面一个小工具专门检查robots.txt文件的有效性：

http://www.searchengineworld.com/cgi-bin/robotcheck.cgi

[