推荐阅读

运营专员

robots.txt写法大全及语法的灵活运用

时间：2016-04-07 | 分类：功能说明

浏览：12556

robots在英语之中的意思是机器人，Robots协议（也称为爬虫协议、机器人协议等）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协议的本质是网站和搜索引擎爬虫的沟通方式，用来指导搜索引擎更好地抓取网站内容，而不是作为搜索引擎之间互相限制和不正当竞争的工具。

当搜索引擎在访问一个站点时，首先检索的将是该站点根目录下面的robots.txt文件（如果没有我们可以建立一个空白的文本文档，命名为robots.txt放在网站的根目录下即可！），如果此文件存在，那么搜索引擎将率先访问并识别此文件的规则，它会按照此文件里面的规则进行爬取！下面详细叙述一下相关语法：

1、允许所有搜索引擎访问网站的所有部分：

User-agent：*

Disallow：

2、禁止所有搜索引擎访问网站的所有部分:

User-agent：*

Disallow：/

3、如果不需要某一个搜索引擎抓取的话，比如百度，禁止百度索引我们的网站

User-agent：Baiduspider

Disallow：/

注：如果我们需要禁止Google索引我们的网站，就把User-agent：蜘蛛名字改成 谷歌的Googlebot即可！

4、如果我们禁止除Google外的一切搜索引擎索引我们的网站

User-agent：Googlebot

Disallow：

User-agent：*

Disallow：/

5、如果我们需要禁止蜘蛛访问某一个目录，比如禁止login、newtravel等目录被索引

User-agent：*

Disallow：/login/

Disallow：/newtravel/

6、如果我们允许蜘蛛访问网站某个目录中的某些特定网址

User-agent：*

Allow：/login/my

Allow：/newtravel/html

Disallow：/login/

Disallow：/newtravel/

7、很多网站的robots.txt里的Disallow或者Allow里面会有很多的符号，比如星号、问 号什么的，如果使用“*”号，主要是限制访问某个后缀的域名，比如禁止访问/html/ 目录下的所有以“.htm”为后缀的URL（包含子目录）

User-agent：*

Disallow：/html/*.htm

8、使用“$”符号是仅允许访问某目录下某个后缀的文件

User-agent：*

Allow：.asp$

Disallow：/

9、如果是禁止搜索引擎索引网站中所用动态的页面（这里演示的是以“?”号为域名， 例如：index.asp?id=1）

User-agent:*

Disallow：/*?*

10、为了节省服务器资源，需要禁止各类蜘蛛来索引网站的图片，除了使用常见的 “Disallow:/images/”这样直接屏蔽图片文件夹的方式以外，还可以采取直接屏蔽图片 后缀名的方式。如果我们禁止百度搜索引擎索引我们网站的图片：

User-agent：Baiduspider

Disallow：.jpg$

Disallow：.jpeg$

Disallow：.gif$

Disallow：.png$

11、仅允许百度抓取网站上的“JPG”格式的文件

User-agent:baiduspider

Allow：.jpg$

Disallow:jpeg$

Disallow:gif$

Disallow:png$

12、仅仅禁止百度抓取网站上的“JPG”格式的文件

User-agent：Baiduspider

Disallow：.jpg$

更多详细帮助，参考阅读

robots 360百科