上周五，北方網(wǎng)在第一時間報道了關(guān)于淘寶屏蔽百度蜘蛛爬蟲抓取的消息，立刻引起了業(yè)界的廣泛關(guān)注。這一事件被普遍認為與百度發(fā)力C2C同淘寶構(gòu)成直接競爭有關(guān)，另有分析也認為這與阿里巴巴近日將淘寶與阿里媽媽業(yè)務(wù)整合的舉措亦存在關(guān)系，阿里巴巴希望就此截斷淘寶網(wǎng)店的免費流量來源從而吸引網(wǎng)店商家選擇自家的阿里媽媽廣告推廣。
在眾多媒體對這一新聞的報道中，多次提到“robots.txt”這個技術(shù)名詞。比如在證實淘寶屏蔽百度時提到的“淘寶網(wǎng)已經(jīng)開始屏蔽百度蜘蛛爬蟲。淘寶在網(wǎng)站根目錄下的robots.txt文件中設(shè)置相關(guān)命令，禁止百度蜘蛛獲取網(wǎng)頁信息。”并給出了URL為的鏈接截圖予以證明。
那么，這個“robots.txt”是什么呢?
robots.txt(小寫字母)是一種存放在一些網(wǎng)站的服務(wù)器根目錄下的ASCII編碼的文本文件。它的作用是告訴搜索引擎的爬蟲機器人(又稱網(wǎng)絡(luò)蜘蛛、漫游器)該網(wǎng)站中的哪些內(nèi)容是不允許被搜索引擎爬蟲抓取的，哪些是允許被抓取的。由于在一些系統(tǒng)中URL大小寫敏感，因此robots.txt的文件名均統(tǒng)一為小寫。robots.txt放置在網(wǎng)站的根目錄下。
比如之前我們截圖中所看到的淘寶網(wǎng)的robots.txt：
User-agent: Baiduspider
Disallow: /
User-agent: baiduspider
Disallow: /
可以看出淘寶的robots.txt顯然是專門為了屏蔽百度的爬蟲而準備的。
值得注意的是robots.txt協(xié)議并不是一個法律意義上的約束性規(guī)范，它只是長期以來在網(wǎng)站之間約定俗成的道德性公約而已，因此并不能完全確保網(wǎng)站的隱私不被不遵守這一協(xié)議的搜索引擎抓取。
如果您也是一個站長，如果也不希望被百度爬蟲所抓取，那么該怎么做呢?您可以在百度提供的FAQ“如何讓我的網(wǎng)頁不被百度收錄”中找到來自官方的建議：
* 百度嚴格遵循搜索引擎Robots協(xié)議(詳細內(nèi)容，參見)。
* 您可以寫一個Robots文件以限制您的網(wǎng)站全部網(wǎng)頁或者部分目錄下網(wǎng)頁不被百度收錄。具體寫法，參見：如何撰寫Robots文件。
* 如果您的網(wǎng)站是在被百度收錄之后再設(shè)置Robots文件，則Robots文件通常在兩周內(nèi)生效，被文件限制的內(nèi)容，將從百度搜索結(jié)果中移除。
* 如果您的拒絕被收錄需求非常急迫，也可以發(fā)郵件給webmaster@baidu.com請求處理。
但我們同時也注意到近日一則題為《淘寶屏蔽百度 百度回應(yīng)將開綠色通道》的報道：“百度電子商務(wù)事業(yè)部總經(jīng)理李明遠表示：針對淘寶全面禁止百度爬蟲抓取頁面，百度準備開辟綠色通道”。盡管這位百度發(fā)言人解釋“綠色通道”的實現(xiàn)方式只是“讓賣家直接向百度索引庫提交網(wǎng)店頁面鏈接地址”，但結(jié)合robots.txt這個“協(xié)議”在法律或技術(shù)層面都不具備任何硬性的約束力，我們有理由懷疑百度的“綠色通道”是否還有另外一層含義。
申請創(chuàng)業(yè)報道，分享創(chuàng)業(yè)好點子。點擊此處，共同探討創(chuàng)業(yè)新機遇！
