摘要 今天小编跟大家讲解下有关robots txt 和 sitemap ，相信小伙伴们对这个话题应该有所关注吧，小编也收集到了有关robots txt 和 sitemap

今天小编跟大家讲解下有关robots.txt 和 sitemap ，相信小伙伴们对这个话题应该有所关注吧，小编也收集到了有关robots.txt 和 sitemap 的相关资料，希望小伙伴们看了有所帮助。

为了爬虫, 在网站根目录创建robots.txt文件(utf-8),文件内容涉及四类键值对:User-agent,Disallow,Allow,Sitemap,支持正则, Disallow后没内容就是允许所有

User-agent: *Disallow:Disallow: /cgi-bin/Disallow: /admin/Sitemap: https://zdb.im/sitemap.xml

sitemap四种写法:

第一种, 文本格式, sitemap.txt, 一行一个URL地址https://zdb.im/https://zdb.improject.html

第二种, html格式, 允许加style标签, 一般布局是 html>body>ul>li>a[href,title]>plainText, URL用全路径, 爬虫递归往下找;

第三种, 单个XML文件, 默认文件名sitemap.xml, 百度是sitemap_baidu.xml

权重: 0.0到1.0,

设备: 代码适配<mobile:mobile type="htmladapt"/>,自适应设备<mobile:mobile type="pc,mobile"/>,移动端<mobile:mobile type="mobile"/>,默认不填是PC端;

刷新频率: always 经常, hourly 每小时,daily 每天,weekly 每周, monthly 每月, yearly 每年, never 从不

修改时间: 2019-11-28或2019-11-28T11:59:38+00:00 皆可, 建议第二种;

年：YYYY(2005)

年和月：YYYY-MM(2005-06)

年月日：YYYY-MM-DD(2005-06-04)

年月日小时分钟：YYYY-MM-DDThh:mmTZD(2005-06-04T10:37+08:00)

年月日小时分钟秒：YYYY-MM-DDThh:mmTZD(2005-06-04T10:37:30+08:00)

<?xml version="1.0" encoding="UTF-8"?><urlset xmlns="http://www.sitemaps.org/schemas/sitemap/0.9" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://www.sitemaps.org/schemas/sitemap/0.9"><url> <loc>https://zdb.im/</loc> <mobile:mobile type="htmladapt"/> <priority>0.5</priority> <lastmod>2019-11-28T11:59:38+00:00</lastmod> <changefreq>hourly</changefreq></url><url> <loc>https://zdb.im/project.html</loc> <priority>0.5</priority> <lastmod>2019-11-28</lastmod> <changefreq>hourly</changefreq></url></urlset>第四种, 当第三种的url个数超过5万个或未压缩时大小超过10MB(10,485,760字节), 建立索引文件(sitemap index),指向不超过1,000个Sitemap的URL; 索引文件的默认文件名 sitemap_index.xml;

路径必填 loc; 修改时间选填 lastmod 2009-12-14;

<?xml version="1.0" encoding="UTF-8"?><sitemapindex xmlns="http://www.sitemaps.org/schemas/sitemap/0.9"> <sitemap> <loc>https://zdb.im/sitemap.xml</loc> </sitemap></sitemapindex>

百度支持自动推送: 页面js推送,RPC通知,URL POST

(function(){ var bp = document.createElement('script'); var curProtocol = window.location.protocol.split(':')[0]; if (curProtocol === 'https'){ bp.src = 'https://zz.bdstatic.com/linksubmit/push.js'; } else{ bp.src = 'http://push.zhanzhang.baidu.com/push.js'; } var s = document.getElementsByTagName("script")[0]; s.parentNode.insertBefore(bp, s);})();

百度资源搜索平台,添加站点,得到token,用HTTP主动推送;

1）curl推送示例将要提交的url数据写入一个本地文件 比如urls.txt 每个url占一行 然后调用curl命令：curl -H 'Content-Type:text/plain' --data-binary @urls.txt"http://data.zz.baidu.com/urls?site=www.example.com&token=edk7yc4rEZP9pDQD"使用php、python、java等可以参照这个过程推送结构化数据。2）post推送示例POST /urls?site=www.58.com&token=edk7ychrEZP9pDQD HTTP/1.1User-Agent: curl/7.12.1 Host: data.zz.baidu.com Content-Length: 83http://www.example.com/1.htmlhttp://www.example.com/2.html3）php推送示例$urls = array( 'http://www.example.com/1.html', 'http://www.example.com/2.html',);$api = 'http://data.zz.baidu.com/urlssite=www.58.com&token=edk7ychrEZP9pDQD';$ch = curl_init();$options = array( CURLOPT_URL => $api, CURLOPT_POST => true, CURLOPT_RETURNTRANSFER => true, CURLOPT_POSTFIELDS => implode("\n", $urls), CURLOPT_HTTPHEADER => array('Content-Type: text/plain'),);curl_setopt_array($ch, $options);$result = curl_exec($ch);echo $result;

来源：爱蒂网