編寫站點robots檔案

Robots.txt 是存放在站點根目錄下的一個純文字檔案。雖然它的設定很簡單，但是作用卻很強大。它可以指定搜尋引擎蜘蛛隻抓取指定的内容，或者是禁止搜尋引擎蜘蛛抓取網站的部分或全部内容。

使用方法:

Robots.txt 檔案應該放在網站根目錄下，并且該檔案是可以通過網際網路進行通路的。

例如：如果您的網站位址是 http://www.yourdomain.com/那麼，該檔案必須能夠通過 http://www.yourdomain.com/robots.txt 打開并看到裡面的内容。

格式：

User-agent:

用于描述搜尋引擎蜘蛛的名字，在" Robots.txt "檔案中，如果有多條User-agent記錄說明有多個搜尋引擎蜘蛛會受到該協定的限制，對該檔案來說，至少要有一條User-agent記錄。如果該項的值設為*，則該協定對任何搜尋引擎蜘蛛均有效，在" Robots.txt "檔案中，"User-agent:*"這樣的記錄隻能有一條。

Disallow:

用于描述不希望被通路到的一個URL，這個URL可以是一條完整的路徑，也可以是部分的，任何以Disallow開頭的URL均不會被Robot通路到。

舉例：

例一："Disallow:/help"是指/help.html 和/help/index.html都不允許搜尋引擎蜘蛛抓取。

例二："Disallow:/help/"是指允許搜尋引擎蜘蛛抓取/help.html，而不能抓取/help/index.html。

例三：Disallow記錄為空說明該網站的所有頁面都允許被搜尋引擎抓取，在"/robots.txt"檔案中，至少要有一條Disallow記錄。如果"/robots.txt"是一個空檔案，則對于所有的搜尋引擎蜘蛛，該網站都是開放的可以被抓取的。

#:Robots.txt 協定中的注釋符。

綜合例子 ：

例一：通過"/robots.txt"禁止所有搜尋引擎蜘蛛抓取"/bin/cgi/"目錄，以及 "/tmp/"目錄和 /foo.html 檔案，設定方法如下：

User-agent: *

Disallow: /bin/cgi/

Disallow: /tmp/

Disallow: /foo.html

例二：通過"/robots.txt"隻允許某個搜尋引擎抓取，而禁止其他的搜尋引擎抓取。如：隻允許名為"slurp"的搜尋引擎蜘蛛抓取，而拒絕其他的搜尋引擎蜘蛛抓取 "/cgi/" 目錄下的内容，設定方法如下：

User-agent: *

Disallow: /cgi/

User-agent: slurp

Disallow:

例三：禁止任何搜尋引擎抓取我的網站，設定方法如下：

User-agent: *

Disallow: /

例四：隻禁止某個搜尋引擎抓取我的網站如：隻禁止名為“slurp”的搜尋引擎蜘蛛抓取，設定方法如下：

User-agent: slurp

Disallow: /

站長工具：http://tool.chinaz.com/robots/

更多參考資料 (英文版)