1、搜索引擎在爬取網(wǎng)站前會(huì)做什么？

一般來(lái)說(shuō)搜索引擎爬取網(wǎng)站時(shí)都會(huì)，先讀取下robots.txt文件，并依照里面所設(shè)定的規(guī)則去爬取網(wǎng)站（當(dāng)然是指沒用登錄限制的頁(yè)面）

2、robots.txt文件的內(nèi)容和結(jié)構(gòu)是怎樣的？

1）.robots.txt文件必須是放在文件根目錄上：
例如：

├─admin

│ └─templates

│ header.tpl.php

│ task_add.tpl.php

│ └─robots.txt

2 ) .首先常用的命令為

User-agent : 可以具體制定User-agent適用，即搜索引擎的名字，如果為 * 的話則為通配

Disallow : 可以設(shè)定檔案或文件夾，不允許被爬蟲爬取，且為 / 時(shí)禁止爬取整站 ，也可以指定文件路徑，不可爬取

Crawl-delay: 延時(shí)爬取，防止爬蟲短時(shí)間內(nèi)爬取網(wǎng)站過快導(dǎo)致網(wǎng)站崩潰，則可以設(shè)置該延時(shí)

Allow : 允許爬取指定頁(yè)面， 為 / 時(shí)爬取整站

3） 搜索引擎別稱

Googlebot 谷歌

Baiduspider 百度

等等

3、搜索引擎的好處和壞處是什么？

不好的地方會(huì)增加網(wǎng)站的訪問負(fù)荷;有時(shí),還會(huì)涉及到用戶的隱私；

好的地方也是增加了訪問流量;

4、一般徹底防止爬蟲用什么方法？

如果需要防止的話，就需要監(jiān)測(cè)網(wǎng)站，把一些不良網(wǎng)絡(luò)爬蟲的給堵止掉，一般是封IP。

robots.txt只能防止有品的爬蟲來(lái)爬

5、如何使用robots禁止各大搜索引擎爬蟲爬取網(wǎng)站

1.原來(lái)一般來(lái)說(shuō)搜索引擎爬取網(wǎng)站時(shí)都會(huì)，先讀取下robots.txt文件，并依照里面所設(shè)定的規(guī)則去爬取網(wǎng)站（當(dāng)然是指沒用登錄限制的頁(yè)面）

2.下面我們就來(lái)說(shuō)一說(shuō)如何設(shè)置robots.txt文件

1）.robots.txt文件必須是放在文件根目錄上：
例如：

├─admin

│ └─templates

│ header.tpl.php

│ task_add.tpl.php

│ └─robots.txt

2 ) .首先常用的命令為

User-agent : 可以具體制定User-agent適用，即搜索引擎的名字，如果為 * 的話則為通配

Disallow : 可以設(shè)定檔案或文件夾，不允許被爬蟲爬取，且為 / 時(shí)禁止爬取整站 ，也可以指定文件路徑，不可爬取

Crawl-delay: 延時(shí)爬取，防止爬蟲短時(shí)間內(nèi)爬取網(wǎng)站過快導(dǎo)致網(wǎng)站崩潰，則可以設(shè)置該延時(shí)

Allow : 允許爬取指定頁(yè)面， 為 / 時(shí)爬取整站

3） 搜索引擎別稱

Googlebot 谷歌

Baiduspider 百度

等等

類似我們測(cè)試環(huán)境就設(shè)置了

User-agent : / 所有搜索引擎

Disallow : / 禁止整站

總結(jié)

User-agent: *
Disallow: /

就可以了..