什么是 robots.txt ？
robots.txt 是一个纯文本文件，通过在这个文件中声明该网站中不想被 robots 访问的部分，这样，该网站的部分或全部内容就可以不被搜索引擎收录了，或者指定搜索引擎只收录指定的内容。 当一个搜索机器人访问一个站点时，它会首先检查该站点根目录下是否存在 robots.txt ，如果找到，搜索机器人就会按照该文件中的内容来确定访问的范围，如果该文件不存在，那么搜索机器人就沿着链接抓取。 robots.txt 必须放置在一个站点的根目录下，而且文件名必须全部小写。 网站 URL相应的 robots.txt 的 URL

http://www.w3.org/ http://www.w3.org/robots.txt http://www.w3.org:80/ http://www.w3.org:80/robots.txt http://www.w3.org:1234/ http://www.w3.org:1234/robots.txt http://w3.org/ http://w3.org/robots.txt

robots.txt 的语法
"robots.txt" 文件包含一条或更多的记录，这些记录通过空行分开（以 CR,CR/NL, or NL 作为结束符），每一条记录的格式如下所示：
"<field>:<optionalspace><value><optionalspace>" 。 在该文件中可以使用 # 进行注解，具体使用方法和 UNIX 中的惯例一样。该文件中的记录通常以一行或多行 User-agent 开始，后面加上若干 Disallow 行 , 详细情况如下：
User-agent:

该项的值用于描述搜索引擎 robot 的名字，在 "robots.txt" 文件中，如果有多条 User-agent 记录说明有多个 robot 会受到该协议的限制，对该文件来说，至少要有一条 User-agent 记录。如果该项的值设为 * ，则该协议对任何机器人均有效，在 "robots.txt" 文件中， "User-agent ： *" 这样的记录只能有一条。

Disallow :

该项的值用于描述不希望被访问到的一个 URL ，这个 URL 可以是一条完整的路径，也可以是部分的，任何以 Disallow 开头的 URL 均不会被 robot 访问到。例如 "Disallow: /help" 对 /help.phpl 和 /help/index.phpl 都不允许搜索引擎访问，而 "Disallow: /help/" 则允许 robot 访问 /help.phpl ，而不能访问 /help/index.phpl 。 任何一条 Disallow 记录为空，说明该网站的所有部分都允许被访问，在 "/robots.txt" 文件中，至少要有一条 Disallow 记录。如果 "/robots.txt" 是一个空文件，则对于所有的搜索引擎 robot ，该网站都是开放的。

下面是一些 robots.txt 基本的用法：
l 禁止所有搜索引擎访问网站的任何部分：

User-agent: * Disallow: / l 允许所有的 robot 访问 User-agent: * Disallow: 或者也可以建一个空文件 "/robots.txt" file l 禁止所有搜索引擎访问网站的几个部分（下例中的 cgi-bin 、 tmp 、 private 目录） User-agent: * Disallow: /cgi-bin/ Disallow: /tmp/ Disallow: /private/ l 禁止某个搜索引擎的访问（下例中的 BadBot ） User-agent: BadBot Disallow: / l 只允许某个搜索引擎的访问（下例中的 WebCrawler ） User-agent: WebCrawler Disallow: User-agent: * Disallow: /

重庆网络公司
立即购买