淘宝屏蔽百度蜘蛛

2008-09-08 | 分类：baidu | 标签：屏蔽，roboot | 999 views

最近淘宝实施大淘宝战略，利用robot.txt对百度的蜘蛛进行屏幕，那么我们来看看什么叫Robot，互联网中的页面在被搜索引擎检索的时候是通过一种程序robot（又称spider），自动访问互联网上的网页并获取网页信息。

每个网站的站长都可以在网站中创建一个纯文本文件robots.txt，在这个文件中声明该网站中不想被robot访问的部分，这样，该网站的部分或全部内容就可以不被搜索引擎收录了，或者指定搜索引擎只收录指定的内容。robots.txt文件应该放在网站根目录下。

当一个搜索机器人（有的叫搜索蜘蛛）访问一个站点时，它会首先检查该站点根目录下是否存在robots.txt，如果存在，搜索机器人就会按照该文件中的内容来确定访问的范围；如果该文件不存在，那么搜索机器人就沿着链接抓取。

当我打开http://www.taobao.com/robots.txt时候，浏览器出现

User-agent: Baiduspider
Disallow: /

User-agent: baiduspider
Disallow: /

每种搜索引擎都有自己的搜索爬行，百度的爬虫叫做baiduspide，淘宝这样做的后果是屏蔽百度的蜘蛛爬行，google的蜘蛛叫做Googlebot，那么下一步大家跟我一起来看看规范的robots.txt文件的格式：
“robots.txt”文件包含一条或更多的记录，这些记录通过空行分开（以CR,CR/NL, or NL作为结束符），每一条记录的格式如下所示：”<field>:<optionalspace><value><optionalspace>”。

在淘宝使用ROBOTS屏蔽了百度的蜘蛛之后，百度会不会另外命名一种蜘蛛去爬行淘宝的内容呢？我们不得而知，等百度的C2C上线，我们拭目以待。同时也说明淘宝的用户基数大，今后会有更多的成熟网站拒绝搜索引擎的

喜欢本文，那就收藏到：