搜索引擎通過一種程序robot（又稱spider），自動訪問互聯網上的網頁并獲取網頁信 息。您可以在您的網站中創建一個純文本文件robots.txt，在這個文件中聲明該網站中不想被robot 訪問的部分，這樣，該網站的部分或全部內容就可以不被搜索引擎收錄了，或者指定搜 索引擎只收錄指定的內容。

目錄

1文件位置

2文件格式

3主要作用

4一般屏蔽

5使用技巧

1文件位置編輯

robots.txt文件應該放在網站根目錄下。舉例來說，當搜索引擎^[1]訪問一個網站時，首先會檢查該網站中是否存在robots.txt這個文件，如果robots機器人程序找到這個文件，它就會根據這個文件的內容，來確定它訪問權限的范圍。 wordpress的robots文件位置 沒在wordpress網站根節目上傳過robots.txt,當搜尋引擎和用戶拜訪某個文件時，wordpress程序會主動生成一個robots.txt給搜尋引擎和用戶;若是我們上傳編寫的robots.txt到網站根節目，用戶和搜尋引擎蛛蛛拜訪的就是我們上傳的文件，wordpress就不會再產生那個文件了。只有服務器找不到robots的時候wordpress才會生成這個文件。

2文件格式編輯

“robots.txt”文件包含一條或多條記錄，這些記錄通過空行分開（以CR、CR/NL、or NL作為結束符），每一條記錄的格式如下所示： “<field>:<optionalspace><value><optionalspace>” 在該文件中可以使用#進行注釋，具體使用方法和UNIX中的慣例一樣。該文件中的記錄通常以一行或多行User-agent開始，后面加上若干Disallow行，詳細情況如下： User-agent： 該項的值用于描述搜索引擎機器人robot的名字。在“robots.txt”文件中，如果有多條 User-agent記錄，說明有多個robot會受到該協議的約束。所以，“robots.txt”文件中至少要有一條User- agent記錄。如果該項的值設為*（通配符），則該協議對任何搜索引擎機器人均有效。在“robots.txt”文件 中，“User-agent：*”這樣的記錄只能有一條。 Disallow： 該項的值用于描述不希望被訪問到的一個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訪問到。例如： “Disallow: /help”對/help.html 和/help/index.html都不允許搜索引擎訪問， 而“Disallow: /help/”則允許robot訪問/help.html，而不能訪問/help/index.html。 任何一條Disallow記錄為空，說明該網站的所有部分都允許被訪問，在 “/robots.txt”文件中，至少要有一條Disallow記錄。如果“/robots.txt”是一個空文 件，則對于所有的搜索引擎robot，該網站都是開放的。

3主要作用編輯

有些人會問，既然robots文件沒弄好，或出錯了，會影響整個網站的收錄，那為什么還要這個文件呢？ 其實robots是為有特別情況的站長準備的，因為有些網站，有一些頁面是站長不想被任何搜索引擎收錄的，所以才有了這個robots文件。 robots.txt文件用法舉例： 例1、禁止所有搜索引擎訪問網站的任何部分 User-agent: * Disallow: / 例2、允許所有的robot訪問 User-agent: * Disallow: （或者也可以建一個空文件 "/robots.txt" file） 例3、禁止某個搜索引擎的訪問 User-agent: BadBot Disallow: / 例4、允許某個搜索引擎的訪問 User-agent: Baiduspider Disallow: User-agent: * Disallow: / 例5、假設某個網站有三個目錄對搜索引擎的訪問做了限制，可以這么寫： User-agent: * Disallow: /cgi-bin/ Disallow: /tmp/ Disallow: /joe/ 需要注意的是，對每一個目錄必須分開聲明，而不要寫成：“Disallow: /cgi-bin/ /tmp/”。 User-agent：后的*（通配符） 具有特殊的含義，代表“any robot”，所以在該文件中不能有 “Disallow: /tmp/*” or “Disallow: *.gif ”這樣的記錄出現。 另外，robots.txt主要作用是保障網絡安全與網站隱私，百度蜘蛛遵循robots.txt協議。通過根目錄中創建的純文本文件robots.txt，網站就可以聲明哪些頁面不想被百度蜘蛛爬行并收錄，每個網站都可以自主控制網站是否愿意被百度蜘蛛收錄，或者指定百度蜘蛛只收錄指定的內容。當百度蜘蛛訪問某個站點時，它會首先檢查該站點根目錄下是否存在robots.txt，如果該文件不存在，那么爬蟲就沿著鏈接抓取，如果存在，爬蟲就會按照該文件中的內容來確定訪問的范圍。

4一般屏蔽編輯

屏蔽隱私頁面，后臺登陸頁面，緩存頁面，圖片目錄，css目錄，模板頁面，屏蔽雙頁面的內容，同時可以屏蔽一些質量比較差的頁面，例如金網的所有會員用戶空間頁面，dz的動態鏈接也可以設置屏蔽。通過Disallow：命令來進行設置。

5使用技巧編輯

每當用戶試圖訪問某個不存在的URL時，服務器都會在日志中記錄404錯誤（無法找到文件）。每當搜索蜘蛛來尋找并不存在的robots.txt文件時，服務器也將在日志中記錄一條404錯誤，所以你應該在網站中添加一個robots.txt。 網站管理員必須使搜索引擎機器人程序遠離服務器上的某些目錄，以保證服務器性能。比如：大多數網站服務器都有程序儲存在“cgi-bin”目錄下，因此在robots.txt文件中加入“Disallow: /cgi-bin”是個好主意，這樣能夠避免所有程序文件都被蜘蛛索引，以達到節省服務器資源的效果。 一般網站中不需要蜘蛛抓取的文件有：后臺管理文件、程序腳本、附件、數據庫文件、編碼文件、樣式表文件、模板文件、導航圖片和背景圖片等等。 下面是VeryCMS里的robots.txt文件： User-agent: * Disallow: /admin/ 后臺管理文件 Disallow: /require/程序文件 Disallow: /attachment/ 附件 Disallow: /images/ 圖片 Disallow: /data/數據庫文件 Disallow: /template/ 模板文件 Disallow: /css/ 樣式表文件 Disallow: /lang/ 編碼文件 Disallow: /script/腳本文件 Disallow: /js/js文件 如果你的網站是動態網頁，并且你為這些動態網頁創建了靜態副本，以供搜索蜘蛛更容易抓取。那么你需要在robots.txt文件里設置避免動態網頁被蜘蛛索引，以保證這些網頁不會被視為是網站重復的內容。 robots.txt文件里還可以直接包括在sitemap文件的鏈接。就像這樣： Sitemap: http://www.***.com/sitemap.xml 目 前對此表示支持的搜索引擎公司有Google, Yahoo, Ask and MSN。而中文搜索引擎公司，顯然不在這個圈子內。這樣做的好處就是，站長不用到每個搜索引擎的站長工具或者相似的站長部分，去提交自己的sitemap文件，搜索引擎的蜘蛛自己就會抓取robots.txt文件，讀取其中的sitemap路徑，接著抓取其中相鏈接的網頁。 合理使用robots.txt文件還能避免訪問時出錯。比如，不能讓搜索者直接進入購物車頁面。因為沒有理由使購物車被收錄，所以你可以在robots.txt文件里設置來阻止搜索者直接進入購物車頁面。

總結

以上是生活随笔為你收集整理的robot.txt 搜索引擎 蜘蛛爬虫 搜索规则的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。