robots.txt作用

robots.txt是搜索引擎中访问网站的时候要查看的第一个文件。Robots.txt文件告诉蜘蛛程序在服务器上什么文件是可以被查看的。

以http://www.qq.com/robots.txt为例的格式作为说明：

User-agent: *

Disallow:

Sitemap: http://www.qq.com/sitemap_index.xml

User-agent：后面为搜索机器人的名称，后面如果是*，则泛指所有的搜索机器人

Disallow：后面为不允许访问的文件目录

Sitemap：后面为网站地图文件,搜索机器人根据该文件的链接地址进行爬取网站文件。

具体举例说明：

允许所有的robot访问

User-agent: *
Disallow:

或者也可以建一个空文件 "/robots.txt" file

禁止所有搜索引擎访问网站的任何部分

User-agent: *
Disallow: /

禁止所有搜索引擎访问网站的几个部分（下例中的01、02、03目录）

User-agent: *
Disallow: /01/
Disallow: /02/
Disallow: /03/

禁止某个搜索引擎的访问（下例中的BadBot）

User-agent: BadBot
Disallow: /

只允许某个搜索引擎的访问（下例中的Crawler）

User-agent: Crawler
Disallow:

User-agent: *
Disallow: /

例1. 禁止所有搜索引擎访问网站的任何部分 　　下载该robots.txt文件	User-agent: * 　　Disallow: /
例2. 允许所有的robot访问 　　(或者也可以建一个空文件 "/robots.txt")	User-agent: * 　　Disallow: 　　或者 　　User-agent: * 　　Allow: /
例3. 仅禁止Baiduspider访问您的网站	User-agent: Baiduspider 　　Disallow: /
例4. 仅允许Baiduspider访问您的网站	User-agent: Baiduspider 　　Disallow: 　　User-agent: * 　　Disallow: /
例5. 禁止spider访问特定目录 　　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robot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，而不能写成 "Disallow: /cgi-bin/ /tmp/"。	User-agent: * 　　Disallow: /cgi-bin/ 　　Disallow: /tmp/ 　　Disallow: /~joe/
例6. 允许访问特定目录中的部分url	User-agent: * 　　Allow: /cgi-bin/see 　　Allow: /tmp/hi 　　Allow: /~joe/look 　　Disallow: /cgi-bin/ 　　Disallow: /tmp/ 　　Disallow: /~joe/
例7. 使用"*"限制访问url 　　禁止访问/cgi-bin/目录下的所有以".htm"为后缀的URL(包含子目录)。	User-agent: * 　　Disallow: /cgi-bin/*.htm
例8. 使用"$"限制访问url 　　仅允许访问以".htm"为后缀的URL。	User-agent: * 　　Allow: .htm$ 　　Disallow: /
例9. 禁止访问网站中所有的动态页面	User-agent: * 　　Disallow: /*?*
例10. 禁止Baiduspider抓取网站上所有图片 　　仅允许抓取网页，禁止抓取任何图片。	User-agent: Baiduspider 　　Disallow: .jpg$ 　　Disallow: .jpeg$ 　　Disallow: .gif$ 　　Disallow: .png$ 　　Disallow: .bmp$
例11. 仅允许Baiduspider抓取网页和.gif格式图片 　　允许抓取网页和gif格式图片，不允许抓取其他格式图片	User-agent: Baiduspider 　　Allow: .gif$ 　　Disallow: .jpg$ 　　Disallow: .jpeg$ 　　Disallow: .png$ 　　Disallow: .bmp$
例12. 仅禁止Baiduspider抓取.jpg格式图片	User-agent: Baiduspider 　　Disallow: .jpg$