控制搜索引擎访问和索引你的网站

　　我经常被问到 Google（谷歌）和搜索引擎是怎样运转的。一个核心问题是：谷歌是怎样知道一个网站的哪些部分是网站所有者想让它们显示在搜索结果中？网站内容发布者能够指定部分网站不被搜索吗？好消息是，网站内容发布者可以使用很多方法控制你们的网页在搜索结果中的显示。

　　文件 robots.txt 是这里的主角，该文件已经成为业界标准好多年了。它让一个网站所有者控制搜索引擎访问他们的网站。你可以用 robots.txt 不同层次地控制访问，比如让搜索引擎只访问整个网站，单个目录，特定类型的网页，或者某一网页。有效地使用 robots.txt 能让你更好地控制对你的网站 的搜索，但是如何达到这一目标不是很显而易见的。这是我们关于如何使用 robots.txt 来控制对你的网站的存取的一系列帖子的第一篇。

　　文件 robots.txt 有什么用？

　　互联网真的很大。你只是不相信它是怎样地无穷无尽地大。你也许认为维护网站耗费好多精力，但是那只是“网海一粟”。 （对 Douglas Adams 致以诚挚的道歉）

　　象谷歌这样的搜索引擎会读取所有信息并对这些信息索引，索引是为了让一个搜索引擎对一些用户查询显示与之相匹配的网页。

　　为了做到这一点谷歌的一些电脑不断抓取网站，他们有一个谷歌所知道的所有网站的名单，他们阅读每个网站的所有网页。所有这些机器被称为谣 Googlebot。一般来说，你是愿意让 Googlebot 访问你的网站，这样你的网页才可以被人们在谷歌搜到。

　　然而，对你的网站上的某几页，你可能不想让谷歌索引。举例来说，你可能有一个目录包含内部日志，或者你可能有些新闻文章只能在支付费用后才能访问。你可以通过创建一个文本文件名为 robots.txt 的文件并把它放置在根目录下来告诉谷歌爬虫不要去抓取他们。文件 robots.txt 包含了一个搜索引擎不能访问的页面的清单。创建一个 robots.txt 是直截了当的，它允许你用一套精密分层控制搜索引擎对你网站的访问。