Google，雅虎，微软就合作共同遵守统一的Sitemaps标准，又宣布，共同遵守的robots.txt文件标准。Google，雅虎，微软各自在自己的官方博客上发了一篇帖子，公布三家都支持的robots.txt文件及Meta标签的标准，以及一些各自特有的标准。下面做一个总结。

三家都支持的robots文件记录包括：

Disallow - 告诉蜘蛛不要抓取某些文件或目录。如下面代码将阻止蜘蛛抓取所有的网站文件：

User-agent: *

Disallow: /

Allow - 告诉蜘蛛应该抓取某些文件。Allow和Disallow配合使用，可以告诉蜘蛛某个目录下，大部分都不抓取，只抓取一部分。如下面代码将使蜘蛛不抓取ab目录下其他文件，而只抓取其中cd下的文件：

User-agent: *

Disallow: /ab/

Allow: /ab/cd

$通配符 - 匹配URL结尾的字符。如下面代码将允许蜘蛛访问以.htm为后缀的URL：

User-agent: *

Allow: .htm$

*通配符 - 告诉蜘蛛匹配任意一段字符。如下面一段代码将禁止蜘蛛抓取所有htm文件：

User-agent: *

Disallow: /*.htm

Sitemaps位置 - 告诉蜘蛛你的网站地图在哪里，格式为：

Sitemap:

三家都支持的Meta标签包括：

NOINDEX - 告诉蜘蛛不要索引某个网页。

NOFOLLOW - 告诉蜘蛛不要跟踪网页上的链接。

NOSNIPPET - 告诉蜘蛛不要在搜索结果中显示说明文字。

NOARCHIVE - 告诉蜘蛛不要显示快照。

NOODP - 告诉蜘蛛不要使用开放目录中的标题和说明。

上面这些记录或标签，现在三家都共同支持。其中通配符好像以前雅虎微软并不支持。百度现在也支持Disallow，Allow及两种通配符。Meta标签我没有找到百度是否支持的官方说明。

只有Google支持的Meta标签有：

UNAVAILABLE_AFTER - 告诉蜘蛛网页什么时候过期。在这个日期之后，不应该再出现在搜索结果中。

NOIMAGEINDEX - 告诉蜘蛛不要索引页面上的图片。

NOTRANSLATE - 告诉蜘蛛不要翻译页面内容。

雅虎还支持Meta标签：

Crawl-Delay - 允许蜘蛛延时抓取的频率。

NOYDIR - 和NOODP标签相似，但是指雅虎目录，而不是开放目录。

Robots-nocontent - 告诉蜘蛛被标注的部分html不是网页内容的一部分，或者换个角度，告诉蜘蛛哪些部分是页面的主要内容(想被检索的内容)。

MSN还支持Meta标签：

Crawl-Delay

另外提醒大家注意的是，robots.txt文件可以不存在，返回404错误，意味着允许蜘蛛抓取所有内容。但抓取robots.txt文件时却发生超时之类的错误，可能导致搜索引擎不收录网站，因为蜘蛛不知道robots.txt文件是否存在或者里面有什么内容，这与确认文件不存在是不一样的。

在互联网这个大世界里,每天都会有大量的信息生成,其中有很多网站都是信息的制造者,这类网站的文章大多数都是原创性的,可是这类网站在互联网中却不是非常的知名,他们的风头全被新浪等"采集"网站抢走了。

其实并不是搜索引擎不喜欢他们，而是由于他们自己的失误，没有把优质的内容很好的呈现在搜索引擎的面前，这是因为他们不注重SEO导致的后果。比如很多报刊，杂志类的网站，天天都有一大批高质量的原创文章的更新，可这类公司他们仍然比较重视传统的文字性的东西，而忽略了网站的作用，通过分析他们的网站，可以挑出很多毛病。比如导航过于复杂，啰嗦，不能很直观把用户想要的文章呈现在用户面前，不能很方便的让用户查阅到他们所想要阅读的信息，导致了很多高质量的文章在蜘蛛爬行网站的过程中，根本就没有呈现出来，像这样已经石沉大海的，搜索引擎蜘蛛根本爬行不到的文章，就算写的再好，没有阅读者，那也就失去了文章本身的价值。文章就是写给阅读者看的，如果没有观众，文章再精彩也只是作家在一旁独自享乐!

当然，在讨论“如何把网站最优质的内容展现出来”这个问题时，有一个前提，网站原创性的文章比较多。解决这个问题最好的办法就是“内链建设”。内链建设的目的就是让网站的所有页面尽可能的联系在一起，建设成循环链，从而让尽可能多的网页呈现在搜索引擎蜘蛛面前，为蜘蛛提供尽可能多的“路径”选择。因为只有当蜘蛛爬行过你的网页，你的网页才有可能被抓取收录。如果压根蜘蛛就没爬行过的网页，那根本就无从谈起抓取收录的过程了。当然，一个网站要建立好良好的形象，必定要“扬长避短”!除了前面的“扬长”以外，还应该学会“避短”!我们可以通过robots.txt来限制蜘蛛的爬行页面，我们通过robots.txt的控制，不让蜘蛛爬行质量比较低劣的网页。