百度搜索資源平臺-平臺工具使用手冊-robots
1、網站驗證
2、普通收錄
3、快速收錄
4、死鏈提交
5、網站改版
6、索引量
7、流量與關鍵詞
8、抓取異常
9、抓取診斷
10、抓取頻次
11、robots
12、反饋中心
13、站點子鏈
14、移動適配
15、分潤中心
16、站點屬性
什么是robots文件
Robots是站點與spider溝通的重要渠道，站點通過robots文件聲明本網站中不想被搜索引擎收錄的部分或者指定搜索引擎只收錄特定的部分。
搜索引擎使用spider程序自動訪問互聯網上的網頁并獲取網頁信息。spider在訪問一個網站時，會首先會檢查該網站的根域下是否有一個叫做 robots.txt的純文本文件，這個文件用于指定spider在您網站上的抓取范圍。您可以在您的網站中創建一個robots.txt，在文件中聲明 該網站中不想被搜索引擎收錄的部分或者指定搜索引擎只收錄特定的部分。
請注意，僅當您的網站包含不希望被搜索引擎收錄的內容時，才需要使用robots.txt文件。如果您希望搜索引擎收錄網站上所有內容，請勿建立robots.txt文件。
robots.txt文件放在哪里?
robots.txt文件應該放置在網站根目錄下。舉例來說，當spider訪問一個網站（比如 http://www.abc.com）時，首先會檢查該網站中是否存在http://www.abc.com/robots.txt這個文件，如果 Spider找到這個文件，它就會根據這個文件的內容，來確定它訪問權限的范圍。
網站 URL
相應的 robots.txt的 URL
http://www.w3.org/
http://www.w3.org/robots.txt
http://www.w3.org:80/
http://www.w3.org:80/robots.txt
http://www.w3.org:1234/
http://www.w3.org:1234/robots.txt
http://w3.org/
http://w3.org/robots.txt
robots.txt文件的格式
robots文件往往放置于根目錄下，包含一條或更多的記錄，這些記錄通過空行分開（以CR,CR/NL, or NL作為結束符），每一條記錄的格式如下所示：
"<field>:<optional space><value><optionalspace>"
在該文件中可以使用#進行注解，具體使用方法和UNIX中的慣例一樣。該文件中的記錄通常以一行或多行User-agent開始，后面加上若干Disallow和Allow行,詳細情況如下：
User-agent:該項的值用于描述搜索引擎robot的名字。在"robots.txt"文件中，如果有多條User-agent記錄說明有多個robot會受到"robots.txt"的限制，對該文件來說，至少要有一條User-agent記錄。如果該項的值設為*，則對任何robot均有效，在"robots.txt"文件中，"User-agent:*"這樣的記錄只能有一條。如果在"robots.txt"文件中，加入"User-agent:SomeBot"和若干Disallow、Allow行，那么名為"SomeBot"只受到"User-agent:SomeBot"后面的 Disallow和Allow行的限制。
Disallow:該項的值用于描述不希望被訪問的一組URL，這個值可以是一條完整的路徑，也可以是路徑的非空前綴，以Disallow項的值開頭的URL不會被 robot訪問。例如"Disallow:/help"禁止robot訪問/help.html、/helpabc.html、/help/index.html，而"Disallow:/help/"則允許robot訪問/help.html、/helpabc.html，不能訪問/help/index.html。"Disallow:"說明允許robot訪問該網站的所有url，在"/robots.txt"文件中，至少要有一條Disallow記錄。如果"/robots.txt"不存在或者為空文件，則對于所有的搜索引擎robot，該網站都是開放的。
Allow:該項的值用于描述希望被訪問的一組URL，與Disallow項相似，這個值可以是一條完整的路徑，也可以是路徑的前綴，以Allow項的值開頭的URL 是允許robot訪問的。例如"Allow:/hibaidu"允許robot訪問/hibaidu.htm、/hibaiducom.html、/hibaidu/com.html。一個網站的所有URL默認是Allow的，所以Allow通常與Disallow搭配使用，實現允許訪問一部分網頁同時禁止訪問其它所有URL的功能。
使用"*"and"$"：Baiduspider支持使用通配符"*"和"$"來模糊匹配url。
"*" 匹配0或多個任意字符
"$" 匹配行結束符。
最后需要說明的是：百度會嚴格遵守robots的相關協議，請注意區分您不想被抓取或收錄的目錄的大小寫，百度會對robots中所寫的文件和您不想被抓取和收錄的目錄做精確匹配，否則robots協議無法生效。
robots.txt文件用法舉例
網站誤封Robots該如何處理
robots文件是搜索生態中很重要的一個環節，同時也是一個很細節的環節。很多站長同學在網站運營過程中，很容易忽視robots文件的存在，進行錯誤覆蓋或者全部封禁robots，造成不必要損失！
那么如果誤操作封禁了robots怎么辦？今天我們請到了廈門258網站運營負責人——鄭軍偉，為我們分享網站robots誤封禁后該如何操作？
【案例背景】
網站開發2.0版本，技術選擇了在線開發，為了避免搜索引擎抓取開發版本，要求技術人員設置了Robots封禁處理。2.0版本開發周期1個月，1個月后網站版本迭代，直接覆蓋了1.0版本，包括Robots封禁文件，2天后發現流量大幅下降，檢查收錄發現800萬收錄降至0條，關鍵詞大量掉線。
【處理方式】
1.修改Robots封禁為允許，然后到百度搜索資源后臺檢測并更新Robots。
2.在百度搜索資源后臺抓取檢測，此時顯示抓取失敗，沒關系，多點擊抓取幾次，觸發蜘蛛抓取站點。
3.在百度搜索資源后臺抓取頻次，申請抓取頻次上調。
4.百度反饋中心，反饋是因為誤操作導致了這種情況的發生。
5.百度搜索資源后臺鏈接提交處，設置數據API推送（實時）。
6.更新sitemap網站地圖，重新提交百度，每天手動提交一次。
以上處理完，接下來就是等待了，萬幸，2天的時間數據開始慢慢回升，到第3天基本回升到正常狀態！
【案例總結】
本次事故絕對是運營生涯的一次敗筆，總結反思一下，希望大家避免類似問題。
1.產品開發一定要避免在線開發，不能為了省事不搭建開發環境。
2.產品迭代要有流程記錄，開發時做了那些設置處理，那些是不需要放出來的，那些是必須放出來的，要非常清楚。
3.要經常關注百度搜索資源后臺，關注相關數據變化，從數據變化中及時發現問題
百度搜索robots協議全新升級
9月11日，百度搜索robots全新升級。升級后robots將優化對網站視頻URL收錄抓取情況。僅當您的網站包含不希望被視頻搜索引擎收錄的內容時，才需要使用robots.txt文件。如果您希望搜索引擎收錄網站上所有內容，請勿建立robots.txt文件。
如您的網站未設置robots協議，百度搜索對網站視頻URL的收錄將包含視頻播放頁URL，及頁面中的視頻文件、視頻周邊文本等信息，搜索對已收錄的短視頻資源將對用戶呈現為視頻極速體驗頁。此外，綜藝影視類長視頻，搜索引擎僅收錄頁面URL。
詳情見：視頻極速體驗解決方案
來源：百度搜索資源平臺 百度搜索學堂
