robots.txt 常見四種錯誤:怎麼檢查檔案真的允許什麼
robots.txt is a request, not a switch — four ways it fails quietly
重點導讀
網站有 robots.txt,不代表爬蟲看到的內容和管理者想的一樣。
- 作者檢查六個靜態網站後,整理出四種常見問題:檔案還留著測試站的封鎖規則、網址回傳 HTML 而不是文字、把訓練用爬蟲和搜尋問答用爬蟲的規則弄反,以及網站地圖指向別的網域。文章示範用 curl 查看回應狀態、內容型別和檔案內容,也做了一個檢查工具,能列出各爬蟲適用的規則。robots.txt 只是請求,不能阻止不遵守規則的爬蟲。
- 404 可以接受,5xx 則不行。
AI 伴隨問答
針對這篇報導有疑問?可直接點選快捷問題或向 AI 追問背景脈絡與技術細節:
信源出處dev.to
robots.txt is a request, not a switch — four ways it fails quietly
本文為 888news 精選之重點導讀。若需閱讀作者完整原文、技術細節與官方討論,請前往原始網站。
來源: Dev.to Top Tech (dev.to)
開啟原文