typecho配置Robots.txt

什么是Robots协议(robots.txt)？

Robots协议（也称为爬虫协议、机器人协议等）全称是“网络爬虫排除标准”（Robots Exclusion Protocol），是国际互联网界通行的道德规范，Robots是站点与spider沟通的重要渠道，站点通过robots告诉搜索引擎哪些页面可以抓取，哪些页面不能抓取。其目的是保护网站数据和敏感信息、确保用户个人信息和隐私不被侵犯。因其不是命令，故需要搜索引擎自觉遵守

robots.txt如何奏效呢？

搜索引擎机器人访问网站时，首先会寻找站点根目录有没有 robots.txt文件，如果有这个文件就根据文件的内容确定收录范围，如果没有就按默认访问以及收录所有页面。

另外，当搜索蜘蛛发现不存在robots.txt文件时，会产生一个404错误日志在服务器上，从而增加服务器的负担，因此为站点添加一个robots.txt文件还是很重要的。

百度也会严格遵守robots的相关协议，要注意区分你不想被抓取或收录的目录的大小写，百度会对robots中所写的文件和你不想被抓取和收录的目录做精确匹配，否则robots协议无法生效。

robots.txt基本语法

注意：robots.txt必须放置在一个站点的根目录下，而且文件名必须全部小写

User-agent：描述搜索引擎robot的名字
即 : 你可以指定该规则只对baidu 或者google 或者其它指定搜索引擎有效可用通配符 *表示全部
Disallow: 描述不希望被访问的一组URL
即：设定禁止访问的部分，可以用完整url，也可以用相对路径，可以是单个目文件，也可以是整个文件夹，也可以用通配符限定指定类型
Allow: 描述希望被访问的一组URL
即：设定允许访问的部分，不过因为默认是全部允许的，这个语法通常是配合disallow使用的，用它来完成如“除了xxx.html该目录下全部不能访问”这样的设定。要注意的是allow和disallow的顺序是有讲究的，搜索引擎会以它先看到的规则为判断标准。
Sitemap：指示蜘蛛去爬取网站的sitemap文件
通配符："$" 匹配行结束符；"*" 匹配0或多个任意字符

如何辨别自己网站是否配置了robots.txt呢？

第一种方法：访问网址 http(s):你的域名/robots.txt即可
第二种方法：通过百度站长工具来检测

如何正确编写一个保护网站隐私的robots.txt呢？

我们想要的效果是:
要求所有搜索引擎遵循我的这个协议
禁止蜘蛛抓取我的后台地址和Typecho的安装路径
指引蜘蛛去抓取我的Sitemap

那么我们可以这样写，在网站根目录下新建一个robots.txt文件，内容如下：

User-agent: *
Allow: /*.html$
Allow: /usr
Allow: /*.png$
Allow: /*.jpg$
Allow: /*.jepg$
Allow: /*.gif$
Allow: /*.bmp$
Disallow: /admin/
Disallow: /install/
Disallow: /var/
Disallow: /config.inc.php
Disallow: /install.php
Sitemap:https://www.darkhat.xyz/sitemap.xml

Ps：typecho默认是没有robots.txt文件的（╯﹏╰），需要我们自行创建，且文件名要小写哦！Sitemap要替换为你的网站的Sitemap所在路径（默认一般在根目录下）

这样既可以起到保护我们网站隐私的作用，也可以正确的指导搜索引擎去爬取我们网站的信息，快速提高网站收录的概率！
————————————————
版权声明：本文为CSDN博主「冷眸～」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/m0_45963906/article/details/106978055