robots.txt文件配置和使用方法详解

robots.txt文件，提起这个概念，可能不少站长还很陌生：什么是robots.txt文件？robots.txt文件有什么作用？如何配置robots.txt文件？如何正确使用robots.txt文件？下面，就这些问题进行剖析，让你深入认识robots.txt文件。

robots.txt文件是什么？

robots.txt是一个简单的以.txt结尾的文本文件，是搜索引擎Robot（也叫搜索引擎机器人）程序抓取网页时要访问的第一个文件。

robots.txt文件有什么作用？

通过robots.txt文件，可以和各大搜索引擎很友好的对话，引导搜索引擎机器人抓取你推荐的网页，避免一些意义不大或无用网页，例如网站后台、会员交互功能等，这在一定程度上也节省服务器网络资源。另外，robots.txt文件对SEO的意义也很重要，可以很好的避免重复、相似网页，以及一些关键字权重流失；写好robots.txt文件，是每个SEOer必做的功课之一。

如何配置robots.txt文件？

配置robots.txt文件很简单，桌面->右键->文本文档，命名为robots.txt，注意这个文档是以“.txt”结尾。在robots.txt文件里写好规则，用FTP软件上传到你的网站根目录下即可。想检查robots.txt文件配置是否正确，只用在浏览器输入网址:http://你的域名/robots.txt，看能否正常访问即可。

robots.txt文件写法

robots.txt文件写法非常简单，通常以User-agent开始，包含一行或多行Disallow或Allow记录；在robots.txt文件中可以使用“#”进行注释，具体使用方法和PHP一样；另外，robots.txt文件支持*|$|?等通配符。看个简单的例子

# robots.txt文件怎么写？
User-agent: *  #对所有搜索引擎Robot开放
Disallow: /wp-content/ #禁止访问wp-content目录下任何内容

关于robots.txt文件函数说明：

User-agent

该项的值用于描述搜索引擎Robot的名称，至少要有一条User-agent记录；如果User-agent的值为*，则表示该协议对所有搜索引擎Robot都有效；

在robots.txt文件中“User-agent: *”只能有一条，可以同时出现“User-agent: Baiduspider”和“User-agent: Googlebot”的情况。

附：常见搜索引擎蜘蛛Robots名称

Baiduspider http://www.baidu.com
ia_archiver http://www.alexa.com
Googlebot http://www.google.com
Scooter http://www.altavista.com
FAST-WebCrawler http://www.alltheweb.com
Slurp http://www.inktomi.com
MSNBOT http://search.msn.com

Disallow

该项的值用于描述不希望被Robot访问到的一个URL，这个URL可以是一条完整的路径，也可以是部分的，任何以Disallow开头的URL均不会被Robot访问到；

注意“Disallow: /test和“Disallow: /test/”的区别，虽说只区别于一个反斜杠“/”，不过意义完全不同。“Disallow: /test”表示可以禁止的URL包括：/test、/testabc.html、/test/abc这三种形式；“Disallow: /test/”则允许Robot访问/test、/testabc.html，禁止访问/test/abc这种形式。

如果Disallow记录的值为空，即“Disallow:”格式，则说明该网站的所有内容可以被任何搜索引擎Robot抓取；在robots.txt文件，如果有声明User-agent，至少要有一条Disallow记录。

Allow

该项和Disallow对立，表示允许搜索引擎Robot访问指定内容。

robots.txt文件用法实例

允许所有搜索引擎Robot访问

User-agent: *
Disallow:

或者robots.txt文件为空，什么也不写，也能达到同样的效果。

禁止所有搜索引擎Robot访问网站的任何内容

User-agent: *
Disallow: /

禁止所有搜索引擎Robot访问网站的指定内容（如下例中的aaa、bbb、ccc目录）

User-agent: *
Disallow: /aaa/
Disallow: /bbb/
Disallow: /cccc/

禁止指定搜索引擎Robot访问（如下例中的Google机器人：Googlebot）

User-agent: Googlebot
Disallow: /

只允许指定搜索引擎Robot访问（如下例中的百度机器人：Baiduspider）

User-agent: Baiduspider
Disallow:
User-agent: *
Disallow: /

向搜索引擎提交站点地图

http://你的域名/sitemap.xml

目前各大搜索引擎对站点地图支持良好，除了sitemap.xml这种格式外，还推荐sitemap.html这种静态格式，好处多多，不再累述。

robots.txt文件十个注意事项

1）robots.txt文件名必须全部小写，不要为追求个性写成RoboTs.txt等形式；

2）robots.txt文件只能放在网站根目录下面，其它位置无效；

3）robots.txt文件内容对大小写敏感，尤其是包含网址的部分。虽说很多搜索引擎对网址之外的部分没有严格的大小写限制，但是从搜索引擎的严谨性和个人对网站的要求方面来说，还是建议区分大小写；

4）通常，robots.txt文件里只有三个函数：User-agent、Disallow和Allow，通常我们使用前两个组合限制抓取就可以了，个人认为没有必要使用Allow，默认搜索引擎是会抓取你网站所有内容的；

5）robots.txt文件里不要放其它无关内容，要严格遵从规范。可以参考小拼SEM博客的robots.txt文件写法；

6）robots.txt文件只是和搜索引擎的一个“君子协议”，并不意味着每个搜索引擎都严格遵守robots.txt的规则，按照你的意图来抓取网页，要清楚，你的网站在搜索引擎面前没有什么“秘密”；

7）要检查robots.txt文件是否达到了预期的效果，可以通过谷歌网站站长工具中的robots.txt工具测试；

8）禁止搜索引擎收录单独页面。在之前“关于rel=”external nofollow” nofollow精彩点评”一文中，介绍过Robots Meta标签，它区别于robots.txt文件。robots.txt文件主要是限制搜索引擎对整个站点或者目录的访问情况，而Robots Meta标签则是针对一个具体的页面。通常Robots Meta标签的默认值是index和follow，只有inktomi除外，对于它，默认值是index,nofollow。Robots Meta标签总共有四种组合：

<meta name="robots" content="index,follow">或<meta name="robots" content="all">
<meta name="robots" content="noindex,follow">
<meta name="robots" content="index,nofollow">
<meta name="robots" content="noindex,nofollow">或<meta name="robots" content="none">

9）目前绝大多数搜索引擎是支持robots.txt文件规则的，Robots META标签则不是。Google一如既往地强大，对这两种形式都完美支持；

10）建议站点根目录下要放一个robots.txt文件，哪怕是空白文件也好。虽说不放robots.txt文件也没什么影响，但是考虑到Robot访问站点时，第一目标就是robots.txt文件，还是顺着它的意思办吧，谁让游戏规则是它定的呢？！

以上就是robots.txt文件配置和使用方法详解了，希望能对你有所帮助！有关robots.txt文件的写法、用法，如果还有什么疑问，可以给我留言。

转载于:https://www.cnblogs.com/Gbeniot/p/4088980.html