蜘蛛抓取文件标准写法

 
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，华虫科技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$