robots.txt协议文件的使用详解

robots.txt是搜索引擎收录网站的一个全球化的标准协议文件，我们可以通过robots.txt对搜索引擎的蜘蛛进行约束，允许它访问那些目录，不允许它访问那些目录文件等等。

robots.txt协议文件的作用

Robots协议用来告知搜索引擎哪些页面能被抓取，哪些页面不能被抓取；可以屏蔽一些网站中比较大的文件，如：图片，音乐，视频等，节省服务器带宽；可以屏蔽站点的一些死链接。方便搜索引擎抓取网站内容；设置网站地图连接，方便引导蜘蛛爬取页面。

robots.txt必须存在吗？

如果你想搜索引擎收录你网站全部内容，你可以不写这个文件。如你网站不存在robots.txt，搜索引起会默认你允许索引网站全部内容。

如果你网站有相应的文件或者目录不想被搜索引擎索引，那么就建议创建robots.txt文件，并进行相关约束，具体robots.txt的使用方法请看下面介绍。

robots.txt文件的基本语法格式

User-agent: *

disallow:

User-agent: * 这里的*代表的所有的搜索引擎种类，*是一个通配符

disallow: /目录名/  禁止访问某个目录

disallow: /cgi-bin/*.htm 禁止访问/cgi-bin/目录下的所有以".htm"为后缀的URL(包含子目录)。

disallow: /*?* 禁止访问网站中所有包含问号 (?) 的网址

disallow: /.jpg$ 禁止抓取网页所有的.jpg格式的图片

disallow:/ab/adc.html 禁止爬取ab文件夹下面的adc.html文件。

robots.txt文件的使用范例介绍

例1. 禁止所有搜索引擎访问网站的任何部分User-agent: *disallow: /例2. 允许所有的robot访问 (或者也可以建一个空文件 “/robots.txt” file)User-agent: *Allow:/例3. 禁止某个搜索引擎的访问User-agent: BadBotdisallow: /例4. 允许某个搜索引擎的访问User-agent: Baiduspiderallow:/例5.禁止搜索引擎访问3个目录在这个例子中，该网站有三个目录对搜索引擎的访问做了限制，即搜索引擎不会访问这三个目录。需要注意的是对每一个目录必须分开声明，而不要写成 “disallow: /cgi-bin/ /tmp/”。User-agent:后的*具有特殊的含义，代表“any robot”，所以在该文件中不能有“disallow: /tmp/*” or “disallow:*.gif”这样的记录出现。User-agent: *disallow: /cgi-bin/disallow: /tmp/disallow: /~joe/

robots.txt百度官方语法大全

青岛星网robots.txt使用分析

青岛星网robots地址请点击：http://www.qdxw.net/robots.txt  

User-agent: *

disallow:/public/down.asp

disallow:/search.asp

青岛星网禁止所有搜索引起访问 /public/目录下的down.asp文件，禁止所有搜索引起访问跟目录下的search.asp文件。

robots.txt的注意事项

robots.txt文件名必须是全小写

有多项设置的时候，必须分开写，一行一个设置

最好下载一份语法大全，对照着写，不然很容易出错，可能造成严峻的问题

最后如果你网站设置了robots.txt，可以登录百度站长工具，Robots文件检查，会自动检查你网站Robots文件，并给与正确错误提示哦。