随意修改robots.txt或导致搜索引擎惩罚网站

　　Robots.txt是用来告诉bot的访问权限，因Robots.txt协议并不是一个规范，而只是约定俗成的，通常大多数搜索引擎会识别这个元数据，不索引这个页面，以及这个页面的链出页面，使用方法是将robots.txt文件放在网站根目录下。举例来说，当搜索引擎访问一个网站(比如http://www.wfuwu.com)时，通常首先会检查该网站中是否存在robots.txt这个文件，如果机器人找到这个文件，它就会根据这个文件的内容，来确定它访问权限的范围。闲话不扯了，进入正题：

　　经本人的试验，对于一个遵守Robots.txt协议的蜘蛛，如果你修改Robots.txt过于频繁，可直接导致将你的站“冷”处理!本人的站就已进入该黑洞了，之前百由于不想让百度蜘蛛收录商品列表的老页面，就直接B了百度蜘蛛访问此页，过了约3天，效果果真明显，小CO还暗喜这蜘蛛真听话，于是乎又想到网站内之前使用的几个页面。现在也用不上了，而此前已被搜索引擎收录了N多页，现在一起B了，于是修改了Robots.txt，这一改不要紧，两于过去了，小CO再也高兴不起来了，可爱的百度蜘蛛再也不哪么勤快了(之前每天在站内爬2万以上)，现在几天也不到2万，晕死。上了当就得找原因：上边说过了，一旦B了某个页面，蜘蛛就不索引这个页面，以及这个页面的链出页面，偶的就中了这个奖了!很多人放出了他们自己修改的robots.txt文件，但都忽略了百度蜘蛛的爬行规律：并不是进入一个版块后，就按照人类思维，按文章列表顺序爬行的，我从自己的站点，已经证实这个问题：

　　比如文章列表第一篇爬完后，并不是接着爬第二篇，而是从第一个篇内容页中的“热点文章”等继续爬(这就要求站内的贯通性较好!)。从DZ官站的收录页URL就可以看出这个点，如果随意屏蔽/forum.php?mod=redirect* 或者/forum-redirect*这样的路径，可能会导致大部分网页不被收录。

　　不要用人的思维习惯来判断蜘蛛程序的规律。很多站长放了robots.txt后，就发现百度很少收录自己的内页，很可能就是这个原因。所以用robots.txt文件来解决重复收录问题，是很危险的，从程序上做根本解决才是上策!小CO是上当了。希望有?的朋友慎用robots.txt!

　　(站长网首发，作者http://www.tok8.cn转载请注明出处)

生活不易，码农辛苦
如果您觉得本网站对您的学习有所帮助,可以手机扫描二维码进行捐赠