詳談robots.txt的好處與壞處

Robots.txt 帶來的好處：

1. 幾乎所有的搜索引擎 Spider 都遵循 robots.txt 給出的爬行規則，協議規定搜索引擎 Spider 進

入某個網站的入口即是該網站的 robots.txt，當然，前提是該網站存在此文件。對于沒有配置robots.txt 的網站，Spider 將會被重定向至 404 錯誤頁面，相關研究表明，如果網站采用了自定義的 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 索引網站帶來很大的困擾，影響搜索引擎對網站頁面的收錄。

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

引擎對大多數網站是沒有意義的;再如 image strippers，對于大多數非圖形類網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，如網站的后臺程序、管理程序，事實上，對于某些在運行中產生臨時頁面的網站來說，如果未配置 robots.txt，搜索引擎甚至會索引那些臨時文件。

4. 對于內容豐富、存在很多頁面的網站來說，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，甚至會影響網站的正常訪問。

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

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站的目錄結構和私密數據所在的位置。雖然在 Web 服務器的安全措施配置得當的前提下這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，如果你有個網站如www.ppzxdy.cn中的私密數據通過dz目錄下的index.html 訪問，那么，在 robots.txt 的設置可能如下：

User-agent: *

Disallow: /dz/

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

http://www.ppzxdy.cn/dz 便可訪問我們不欲公開的內容。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 http://www.pipiflash.com/index.html 更名為其他，比如說 abc-protect.html，同時，制作一個新的index.html 文件，內容大致為%26quot;你沒有權限訪問此頁%26quot;之類，這樣，攻擊者因不知實際的文件名而無法訪問私密內容。

2. 如果設置不對，將導致搜索引擎將索引的數據全部刪除。

User-agent: *

Disallow: /

上述代碼將禁止所有的搜索引擎索引數據。