文章目录[隐藏]
robots.txt是一个协议。robots协议（也称为爬虫协议、机器人协议等）的全称是“网络爬虫排除标准”（robots exclusion protocol）。网站通过robots协议告诉搜索引擎哪些页面可以抓取，哪些页面不能抓取。
robots.txt文件的作用
当一个搜索蜘蛛访问一个站点时，它会首先检查该站点根目录下是否存在robots.txt，如果存在，搜索机器人就会按照该文件中的内容确定访问的范围；如果该文件不存在，所有的搜索蜘蛛将能够访问网站上所有没有被口令保护的页面。
如果将网站视为酒店里的一个房间，robots.txt就是主人在房间门口悬挂的“请勿打扰”的提示牌。这个文件告诉来访的搜索引擎哪些房间可以进入和参观，哪些房间因为存放贵重物品，或可能涉及住户及访客的隐私而不对搜索引擎开放。但是，robots.txt不是命令，也不是防火墙，如同守门人无法阻止窃贼等恶意闯入者。
robots协议可以屏蔽一些网站中比较大的文件，如图片、音乐、视频等内容，节省服务器带宽；也可以屏蔽站点的一些死链接，禁止搜索引擎抓取。
robots文件的写法
1.robots文件的简单写法
robots文件最简单的写法只有两行：
第一行：user-agent:*
第二行：Disallow:（或Allow:）
意思为：搜索引擎可以抓取网站的所有文件。
2.robots文件的其他写法
user-agent:* 这里的*代表所有的搜索引擎种类，*是一个通配符。
Disallow:/admin/ 禁止抓取admin目录及目录下的文件。
Disallow:/require/ 禁止抓取require目录及目录下的文件。
Disallow:/ABC/ 禁止抓取ABC目录及目录下的文件。
Disallow:/*?* 禁止访问网站中所有包含问号(?)的网址。
Disallow:/ab/adc.html 禁止抓取ab文件夹下面的adc.html文件。
注意：在robots文件中，可以将网站地图的链接放在后面，方便搜索引擎首先访问并且抓取。
