Robots.txt帶來的好處與壞處

時間：2023-03-07 13:06:02 | 來源：電子商務

時間：2023-03-07 13:06:02 來源：電子商務

Robots.txt 帶來的好處：

1. 幾乎所有的搜索引擎 Spider 都遵循 robots.txt 給出的爬行規(guī)則，協(xié)議規(guī)定搜索引擎 Spider 進

入某個網(wǎng)站的入口即是該網(wǎng)站的 robots.txt，當然，前提是該網(wǎng)站存在此文件。對于沒有配置robots.txt 的網(wǎng)站，Spider 將會被重定向至 404 錯誤頁面，相關研究表明，如果網(wǎng)站采用了自定義的 404 錯誤頁面，那么 Spider 將會把其視作 robots.txt——雖然其并非一個純粹的文本文件——這將給 Spider 索引網(wǎng)站帶來很大的困擾，影響搜索引擎對網(wǎng)站頁面的收錄。

2. robots.txt 可以制止不必要的搜索引擎占用服務器的寶貴帶寬，如 email retrievers，這類搜索

引擎對大多數(shù)網(wǎng)站是沒有意義的;再如 image strippers，對于大多數(shù)非圖形類網(wǎng)站來說其也沒有太大意義，但卻耗用大量帶寬。

3. robots.txt 可以制止搜索引擎對非公開頁面的爬行與索引，如網(wǎng)站的后臺程序、管理程序，事實上，對于某些在運行中產(chǎn)生臨時頁面的網(wǎng)站來說，如果未配置 robots.txt，搜索引擎甚至會索引那些臨時文件。

4. 對于內(nèi)容豐富、存在很多頁面的網(wǎng)站來說，配置 robots.txt 的意義更為重大，因為很多時候

其會遭遇到搜索引擎 Spider 給予網(wǎng)站的巨大壓力：洪水般的 Spider 訪問，如果不加控制，甚至會影響網(wǎng)站的正常訪問。

5. 同樣地，如果網(wǎng)站內(nèi)存在重復內(nèi)容，使用 robots.txt 限制部分頁面不被搜索引擎索引和收錄，可以避免網(wǎng)站受到搜索引擎關于 duplicate content 的懲罰，保證網(wǎng)站的排名不受影響。

robots.txt 帶來的風險及解決：

1. 凡事有利必有弊，robots.txt 同時也帶來了一定的風險：其也給攻擊者指明了網(wǎng)站的目錄結構和私密數(shù)據(jù)所在的位置。雖然在 Web 服務器的安全措施配置得當?shù)那疤嵯逻@不是一個嚴重

的問題，但畢竟降低了那些不懷好意者的攻擊難度。

比如說，如果網(wǎng)站中的私密數(shù)據(jù)通過 訪問，那么，在 robots.txt 的設置可能如下：

User-agent: *

Disallow: /SEO/

這樣，攻擊者只需看一下 robots.txt 即可知你要隱藏的內(nèi)容在哪里，在瀏覽器中輸入

便可訪問我們不欲公開的內(nèi)容。對這種情況，一般采取如下的辦法：

設置訪問權限，對/private/中的內(nèi)容實施密碼保護，這樣，攻擊者便無從進入。

另一種辦法是將缺省的目錄主文件 index.html 更名為其他，比如說 abc-protect.html，這樣，該內(nèi)容的地址即變成 ，同時，制作一個新的index.html 文件，內(nèi)容大致為"你沒有權限訪問此頁"之類，這樣，攻擊者因不知實際的文件名而無法訪問私密內(nèi)容。

2. 如果設置不對，將導致搜索引擎將索引的數(shù)據(jù)全部刪除。

User-agent: *

Disallow: /

上述代碼將禁止所有的搜索引擎索引數(shù)據(jù)。

文章出處：