沈阳SEO博客

 想必做SEO这行的你对robots不会陌生，简单的txt文件里面隐藏了整个网站的“阴谋”。
首先简单的为大家（新手）介绍一下robots。
robots是各个搜索引擎访问网站的时候要查看的第一个文件。robots文件告诉搜索引擎蜘蛛程序在服务器上什么文件是可以被查看的，什么文件是不可以查看的。当一个搜索蜘蛛访问一个网站时，它会首先查找该站点根目录下是否存在robots.txt，如果存在，搜索蜘蛛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，所有的搜索引擎蜘蛛将访问、追踪网站上所有没有被限制的文件、url和页面。
robots.txt必须放置在一个网站的根目录下，并且文件名必须全部小写。
robots内容的写法（语法）
最常用的 robots文件使用两条规则： 　　
· User-Agent: （后面跟着允许的搜索引擎蜘蛛）
· Disallow: （后面跟着要拦截的网页）
具体详细写法有：

User-agent: *  　　 这里的*代表的所有的搜索引擎种类，*是一个通配符
Disallow: /admin/ 这里定义是禁止爬寻admin目录下面的目录
Disallow: /require/ 　 这里定义是禁止爬寻require目录下面的目录
Disallow: /require/ 这里定义是禁止爬寻require目录下面的目录 　　
Disallow: /ABC 这里定义是禁止爬寻ABC整个目录　
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的动态页面
Disallow: .jpg$ 禁止抓取网页所有的.jpg格式的图片
Disallow:/ab/adc.html 禁止爬寻ab文件夹下面的adc.html所有文件

User-agent: *  　　这里的*代表的所有的搜索引擎种类，*是一个通配符
Allow: /cgi-bin/　　这里定义是允许爬寻cgi-bin目录下面的目录
Allow: /tmp 这里定义是允许爬寻tmp的整个目录
Allow: .htm$ 仅允许访问以".htm"为后缀的URL。
Allow: .gif$ 允许抓取网页和gif格式图片

robots.txt 文件用法举例

例1. 禁止所有搜索引擎访问网站的任何部分

User-agent: *  
Disallow: /

实例分析：淘宝网的  Robots.txt文件

User-agent: Baiduspider
Disallow: /

很显然淘宝不允许百度的机器人访问其网站下其所有的目录。

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: *
Disallow:

例3. 禁止某个搜索引擎的访问

User-agent: BadBot
Disallow: /

例4. 允许某个搜索引擎的访问

User-agent: baiduspider
Disallow:                                                                                                         

User-agent: *

Disallow: /

例5.一个简单例子

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 特殊参数：

允许  Googlebot：
如果您要拦截除  Googlebot 以外的所有漫游器访问您的网页，可以使用下列语法：

User-agent:
Disallow:/
User-agent:Googlebot
Disallow:

Googlebot  跟随指向它自己的行，而不是指向所有漫游器的行。

“Allow”扩展名：

Googlebot  可识别称为“Allow”的  robots.txt 标准扩展名。其他搜索引擎的漫游器可能无法识别此扩展名，因此请使用您感兴趣的其他搜索引擎进行查找。“Allow”行的作用原理完全与“Disallow”行一样。只需列出您要允许的目录或页面即可。

您也可以同时使用“Disallow”和“Allow”。例如，要拦截子目录中某个页面之外的其他所有页面，可以使用下列条目：

User-Agent:Googlebot
Disallow:/folder1/
Allow:/folder1/myfile.html

这些条目将拦截  folder1 目录内除  myfile.html 之外的所有页面。

如果您要拦截  Googlebot 并允许  Google 的另一个漫游器（如  Googlebot-Mobile），可使用”Allow”规则允许该漫游器的访问。例如：

User-agent:Googlebot
Disallow:/
User-agent:Googlebot-Mobile
Allow:

使用  * 号匹配字符序列：

您可使用星号  (*) 来匹配字符序列。例如，要拦截对所有以  private 开头的子目录的访问，可使用下列条目：

User-Agent:Googlebot
Disallow:/private*/

要拦截对所有包含问号  (?) 的网址的访问，可使用下列条目：

User-agent:*
Disallow:/*?*

使用  $ 匹配网址的结束字符

您可使用  $ 字符指定与网址的结束字符进行匹配。例如，要拦截以  .asp 结尾的网址，可使用下列条目：

User-Agent:Googlebot
Disallow:/*.asp$

您可将此模式匹配与  Allow 指令配合使用。例如，如果  ? 表示一个会话  ID，您可排除所有包含该  ID 的网址，确保  Googlebot 不会抓取重复的网页。但是，以  ? 结尾的网址可能是您要包含的网页版本。在此情况下，可对  robots.txt 文件进行如下设置：

User-agent:*
Allow:/*?$
Disallow:/*?
Disallow:/ *?

一行将拦截包含  ? 的网址（具体而言，它将拦截所有以您的域名开头、后接任意字符串，然后是问号  (?)，而后又是任意字符串的网址）。

Allow: /*?$  一行将允许包含任何以  ? 结尾的网址（具体而言，它将允许包含所有以您的域名开头、后接任意字符串，然后是问号  (?)，问号之后没有任何字符的网址）。   

原创文章请注明转载自沈阳SEO博客，本文地址：http://www.seolinks.cn/blog/post/15.html

【已有5位网友发表了看法,你呢？】