robots协议
Robots协议(也称为爬虫协议、机器人协议等)的全称是“网络爬虫扫除规范”(RobotsExclusionProtocol),网站经过Robots协议通知查找引擎哪些页面可以抓取,哪些页面不能抓取
是查找引擎的一部分来定位和索引互联网上的每个可能答复查找恳求的网页,一般只在评论robots的HTML标签或许robots.txt文件的时分运用。
Public @ 2010-10-17 15:26:25
与付费和广告无关,仅仅依托页面自身相关性、重要性而呈现在查找引擎成果页面的排名,在一个查找引擎成果页面上,广告或付费排名一般都有推行、赞助商链接之类的名称,天然排名则没有这些符号。
Meta robots标签是一种HTML头部元数据标签,用于指示搜索引擎如何处理指定页面的内容。它告诉网络爬虫如何爬取索引优化。这些标签是在和之间添加的,旨在为“robots(搜索引擎蜘蛛)”提供有关如何索引和缓存页面内容的指令。 以下是meta robots标签的写法: - - - - 其中,“content”属性指定一组用逗号分隔的值,可以是以下之一: - index:告诉爬
360搜索对Robots协议进行了扩展,增加了以下几个指令: 1. User-Agent:用于指定搜索引擎访问网站时使用的用户代理字符串,可以设置多个User-Agent。 2. Crawl-delay:用于指定搜索引擎访问网站时的延迟时间,单位为秒。可以设置针对不同的User-Agent的延迟时间。 3. Sitemap:用于指定网站的sitemap文件的地址,搜索引擎将通过该文件获取站点