1、搜索引擎在爬取網(wǎng)站前會做什么？

一般來說搜索引擎爬取網(wǎng)站時都會，先讀取下robots.txt文件，并依照里面所設定的規(guī)則去爬取網(wǎng)站（當然是指沒用登錄限制的頁面）

2、robots.txt文件的內(nèi)容和結構是怎樣的？

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 : 可以設定檔案或文件夾，不允許被爬蟲爬取，且為 / 時禁止爬取整站 ，也可以指定文件路徑，不可爬取

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

Allow : 允許爬取指定頁面， 為 / 時爬取整站

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？

不好的地方會增加網(wǎng)站的訪問負荷;有時,還會涉及到用戶的隱私；

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)測網(wǎng)站，把一些不良網(wǎng)絡爬蟲的給堵止掉，一般是封IP。

robots.txt只能防止有品的爬蟲來爬

5、如何使用robots禁止各大搜索引擎爬蟲爬取網(wǎng)站

1.原來一般來說搜索引擎爬取網(wǎng)站時都會，先讀取下robots.txt文件，并依照里面所設定的規(guī)則去爬取網(wǎng)站（當然是指沒用登錄限制的頁面）

2.下面我們就來說一說如何設置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 : 可以設定檔案或文件夾，不允許被爬蟲爬取，且為 / 時禁止爬取整站 ，也可以指定文件路徑，不可爬取

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

Allow : 允許爬取指定頁面， 為 / 時爬取整站

3） 搜索引擎別稱

Googlebot 谷歌

Baiduspider 百度

等等

類似我們測試環(huán)境就設置了

User-agent : / 所有搜索引擎

Disallow : / 禁止整站

總結

User-agent: *
Disallow: /

就可以了..