robotstxt协议(robotstxt文件存放位置)

什么是robots协议？网站中的robots.txt写法和作用

Robots协议（也称为爬虫协议、机器人协议等）的全称是“网络爬虫排除标准”（RobotsExclusionProtocol），网站通过Robots协议告诉搜索引擎哪些页面可以抓取，哪些页面不能抓取。

User-agent:*这里的*代表的所有的搜索引擎种类，*是一个通配符

Disallow:/admin/这里定义是禁止爬寻admin目录下面的目录

Disallow:/require/这里定义是禁止爬寻require目录下面的目录

Disallow:/ABC/这里定义是禁止爬寻ABC目录下面的目录

Disallow:/cgi-bin/*.htm禁止访问/cgi-bin/目录下的所有以".htm"为后缀的URL(包含子目录)。

Disallow:/*?*禁止访问网站中所有包含问号(?)的网址

Disallow:/.jpg$禁止抓取网页所有的.jpg格式的图片

Disallow:/ab/adc.html禁止爬取ab文件夹下面的adc.html文件。

Allow:/cgi-bin/这里定义是允许爬寻cgi-bin目录下面的目录

Allow:/tmp这里定义是允许爬寻tmp的整个目录

Allow:.htm$仅允许访问以".htm"为后缀的URL。

Allow:.gif$允许抓取网页和gif格式图片

Sitemap:网站地图告诉爬虫这个页面是网站地图

例1.禁止所有搜索引擎访问网站的任何部分

User-agent:*

Disallow:/

实例分析：淘宝网的Robots.txt文件

User-agent:Baiduspider

Disallow:/

User-agent:baiduspider

Disallow:/

很显然淘宝不允许百度的机器人访问其网站下其所有的目录。

例2.允许所有的robot访问(或者也可以建一个空文件“/robots.txt”file)

User-agent:*

Allow:/

例3.禁止某个搜索引擎的访问

User-agent:BadBot

Disallow:/

例4.允许某个搜索引擎的访问

User-agent:Baiduspider

allow:/

例5.一个简单例子

在这个例子中，该网站有三个目录对搜索引擎的访问做了限制，即搜索引擎不会访问这三个目录。

需要注意的是对每一个目录必须分开声明，而不要写成“Disallow:/cgi-bin//tmp/”。

User-agent:后的*具有特殊的含义，代表“anyrobot”，所以在该文件中不能有“Disallow:/tmp/*”or“Disallow:*.gif”这样的记录出现。

User-agent:*

Disallow:/cgi-bin/

Disallow:/tmp/

Disallow:/~joe/

Robot特殊参数：

允许Googlebot：

如果您要拦截除Googlebot以外的所有漫游器不能访问您的网页，可以使用下列语法：

User-agent:

Disallow:/

User-agent:Googlebot

Disallow:

Googlebot跟随指向它自己的行，而不是指向所有漫游器的行。

“Allow”扩展名：

Googlebot可识别称为“Allow”的robots.txt标准扩展名。其他搜索引擎的漫游器可能无法识别此扩展名，因此请使用您感兴趣的其他搜索引擎进行查找。“Allow”行的作用原理完全与“Disallow”行一样。只需列出您要允许的目录或页面即可。

您也可以同时使用“Disallow”和“Allow”。例如，要拦截子目录中某个页面之外的其他所有页面，可以使用下列条目：

User-agent:Googlebot

Allow:/folder1/myfile.html

Disallow:/folder1/

这些条目将拦截folder1目录内除myfile.html之外的所有页面。

如果您要拦截Googlebot并允许Google的另一个漫游器（如Googlebot-Mobile），可使用”Allow”规则允许该漫游器的访问。例如：

User-agent:Googlebot

Disallow:/

User-agent:Googlebot-Mobile

Allow:

使用*号匹配字符序列：

您可使用星号(*)来匹配字符序列。例如，要拦截对所有以private开头的子目录的访问，可使用下列条目：User-Agent:Googlebot

Disallow:/private*/

要拦截对所有包含问号(?)的网址的访问，可使用下列条目：

User-agent:*

Disallow:/*?*

使用$匹配网址的结束字符

您可使用$字符指定与网址的结束字符进行匹配。例如，要拦截以.asp结尾的网址，可使用下列条目：User-agent:Googlebot

Disallow:/*.asp$

您可将此模式匹配与Allow指令配合使用。例如，如果?表示一个会话ID，您可排除所有包含该ID的网址，确保Googlebot不会抓取重复的网页。但是，以?结尾的网址可能是您要包含的网页版本。在此情况下，可对robots.txt文件进行如下设置：

User-agent:*

Allow:/*?$

Disallow:/*?

Disallow:/*?

一行将拦截包含?的网址（具体而言，它将拦截所有以您的域名开头、后接任意字符串，然后是问号(?)，而后又是任意字符串的网址）。

Allow:/*?$一行将允许包含任何以?结尾的网址（具体而言，它将允许包含所有以您的域名开头、后接任意字符串，然后是问号(?)，问号之后没有任何字符的网址）。

尽管robots.txt已经存在很多年了，但是各大搜索引擎对它的解读都有细微差别。Google与百度都分别在自己的站长工具中提供了robots工具。如果您编写了robots.txt文件，建议您在这两个工具中都进行测试，因为这两者的解析实现确实有细微差别。

分别查找出以下网站的Robots协议，写出每个网站的Robots协议地址并每？

域名/robots.txt就是网站的Robots协议，可以查询想要查询的网站的Robots协议

http smtp pcp ftp telnet五个协议的含义分别是什么及它们的内容

http 是超文本传输协议.

smtp:全称是Simple Mail Transfer Protocal,意思是简单Mail传输协议,我们平时发邮件就是由它管理的.

pcp,不清楚.

ftp :全称是File Transfer Protocol,意思是文本传输协议.它可以使得主机间可以共享文件.

telnet:它允许用户与一个远程机器上的服务器进行通信，通过一个协商过程来支持不同的物理终端.你说呢...

竟业协议是什么意思

竞业协议，又称竞业禁止合同，是合同的一种，由于它所限制的是劳动者的自由择业权，故它与一般的合同有本质上的不同。竞业禁止合同又叫“不竞争合同”，是指雇主与劳动者双方之间订立的用以约束其雇员在职或离职后一段时间内不得与雇主竞争的行为。签订竞业禁止合同可在双方劳动关系建立之时，也可在劳动关系结束时。

竞业禁止是指单位通过劳动合同和保密协议禁止职工或雇员在本单位任职期间同时兼职于业务竞争单位，或禁止他们在本单位离职后从业于与原单位有业务竞争的单位，包括创建与本单位业务范围相同的企业。