Robots.txt带来的好处与坏处

 行业动态     |      2019-10-19 05:59

Robots.txt 带来的好处:

1. 几乎所有的搜索引擎 Spider 都遵循 robots.txt 给出的爬行规则,协议规定搜索引擎 Spider 进

入某个网站的入口即是该网站的 robots.txt,当然,前提是该网站存在此文件。对于没有配置robots.txt 的网站,Spider 将会被重定向至 404 错误页面,相关研究表明,如果网站采用了自定义的 404 错误页面,那么 Spider 将会把其视作 robots.txt 虽然其并非一个纯粹的文本文件 这将给 Spider 索引网站带来很大的困扰,影响搜索引擎对网站页面的收录。

2. robots.txt 可以制止不必要的搜索引擎占用服务器的宝贵带宽,如 email retrievers,这类搜索

引擎对大多数网站是没有意义的;再如 image strippers,对于大多数非图形类网站来说其也没有太大意义,但却耗用大量带宽。

3. robots.txt 可以制止搜索引擎对非公开页面的爬行与索引,如网站的后台程序、管理程序,事实上,对于某些在运行中产生临时页面的网站来说,如果未配置 robots.txt,搜索引擎甚至会索引那些临时文件。

4. 对于内容丰富、存在很多页面的网站来说,配置 robots.txt 的意义更为重大,因为很多时候

其会遭遇到搜索引擎 Spider 给予网站的巨大压力:洪水般的 Spider 访问,如果不加控制,甚至会影响网站的正常访问。

5. 同样地,如果网站内存在重复内容,使用 robots.txt 限制部分页面不被搜索引擎索引和收录,可以避免网站受到搜索引擎关于 duplicate content 的惩罚,保证网站的排名不受影响。

robots.txt 带来的风险及解决:

1. 凡事有利必有弊,robots.txt 同时也带来了一定的风险:其也给攻击者指明了网站的目录结构和私密数据所在的位置。虽然在 Web 服务器的安全措施配置得当的前提下这不是一个严重

的问题,但毕竟降低了那些不怀好意者的攻击难度。

比如说,如果网站中的私密数据通过 http://www.yueseo.com/SEO/20.html 访问,那么,在 robots.txt 的设置可能如下:

User-agent: *

Disallow: /SEO/

这样,攻击者只需看一下 robots.txt 即可知你要隐藏的内容在哪里,在浏览器中输入

http://www.yueseo.com/SEO/ 便可访问我们不欲公开的内容。对这种情况,一般采取如下的办法:

设置访问权限,对/private/中的内容实施密码保护,这样,攻击者便无从进入。

另一种办法是将缺省的目录主文件 index.html 更名为其他,比如说 abc-protect.html,这样,该内容的地址即变成 http://www.yueseo.com/SEO/abc-protect.htm,同时,制作一个新的index.html 文件,内容大致为 你没有权限访问此页 之类,这样,攻击者因不知实际的文件名而无法访问私密内容。

2. 如果设置不对,将导致搜索引擎将索引的数据全部删除。

User-agent: *

Disallow: /

上述代码将禁止所有的搜索引擎索引数据。

文章出处:http://www.yueseo.com/SEO/Robots.txt.html