百度蜘蛛是笨蛋 看我怎么活捉蜘蛛

glwolf

　　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 ( http://www.baidu.com/search/spider.htm) 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 ( http://www.baidu.com/search/spider.htm) 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。