poluoluo.Com提示： 搜索引擎訪問一個網站時，它首先會檢查該網站的根域下是否有一個叫做robots.txt的純文本文件。Robots.txt文件用於限定搜索引擎對其網站的訪問范圍，即告訴搜索引擎網站中哪些文件是允許它進行檢索(下載)的。
搜索引擎訪問一個網站時，它首先會檢查該網站的根域下是否有一個叫做robots.txt的純文本文件。Robots.txt文件用於限定搜索引擎對其網站的訪問范圍，即告訴搜索引擎網站中哪些文件是允許它進行檢索(下載)的。這就是大家在網絡上常看到的“拒絕Robots訪問標准”(Robots Exclusion Standard)。下面我們簡稱RES。 Robots.txt文件的格式：Robots.txt文件的格式比較特殊，它由記錄組成。這些記錄通過空行分開。其中每條記錄均由兩個域組成： 1) 一個User-Agent(用戶代理)字符串行； 2) 若干Disallow字符串行。 記錄格式為：<Field> ":" <value> 下面我們分別對這兩個域做進一步說明。 User-agent(用戶代理)： User-agent行(用戶代理行) 用於指定搜索引擎robot的名字，以Google的檢索程序Googlebot為例，有：User-agent: Googlebot 一個robots.txt中至少要有一條User-agent記錄。如果有多條User-agent記錄，則說明有多個robot會受到RES標准的限制。當然了，如果要指定所有的robot，只需用一個通配符"*"就搞定了，即：User-agent: * Disallow(拒絕訪問聲明)： 在Robots.txt文件中，每條記錄的第二個域是Disallow:指令行。這些Disallow行聲明了該網站中不希望被訪問的文件和(或)目錄。例如"Disallow: email.htm"對文件的訪問進行了聲明，禁止Spiders下載網站上的email.htm文件。而"Disallow: /cgi-bin/"則對cgi-bin目錄的訪問進行了聲明，拒絕Spiders進入該目錄及其子目錄。Disallow聲明行還具有通配符功能。例如上例中"Disallow: /cgi-bin/"聲明了拒絕搜索引擎對cgi-bin目錄及其子目錄的訪問，而"Disallow:/bob"則拒絕搜索引擎對/bob.html和/bob/indes.html的訪問(即無論是名為bob的文件還是名為bob的目錄下的文件都不允許搜索引擎訪問)。Disallow記錄如果留空，則說明該網站的所有部分都向搜索引擎開放。 空格 & 注釋 在robots.txt文件中，凡以"#"開頭的行，均被視為注解內容，這和UNIX中的慣例是一樣的。但大家需要注意兩個問題： 1) RES標准允許將注解內容放在指示行的末尾，但這種格式並不是所有的Spiders都能夠支持。譬如，並不是所有的Spiders都能夠正確理解"Disallow: bob #comment"這樣一條指令。有的Spiders就會誤解為Disallow的是"bob#comment"。最好的辦法是使注解自成一行。 2) RES標准允許在一個指令行的開頭存在空格，象"Disallow: bob #comment"，但我們也並不建議大家這麼做。 Robots.txt文件的創建： 需要注意的是，應當在UNIX命令行終端模式下創建Robots.txt純文本文件。好的文本編輯器一般都能夠提供UNIX模式功能，或者你的FTP客戶端軟件也“應該”能夠替你轉換過來。如果你試圖用一個沒有提供文本編輯模式的HTML編輯器來生成你的robots.txt純文本文件，那你可就是瞎子打蚊子——白費力氣了。 對RES標准的擴展： 盡管已經提出了一些擴展標准，如Allow行或Robot版本控制(例如應該忽略大小寫和版本號)，但尚未得到RES工作組的正式批准認可。 附錄I. Robots.txt用法舉例： 使用通配符"*"，可設置對所有robot的訪問權限。 User-agent: * Disallow: 表明：允許所有搜索引擎訪問網站下的所有內容。 User-agent: * Disallow: / 表明：禁止所有搜索引擎對網站下所有網頁的訪問。 User-agent: * Disallow: /cgi-bin/Disallow: /images/ 表明：禁止所有搜索引擎進入網站的cgi-bin和images目錄及其下所有子目錄。需要注意的是對每一個目錄必須分開聲明。 User-agent: Roverdog Disallow: / 表明：禁止Roverdog訪問網站上的任何文件。 User-agent: Googlebot Disallow: cheese.htm 表明：禁止Google的Googlebot訪問其網站下的cheese.htm文件。 上面介紹了一些簡單的設置，對於比較復雜的設置，可參看一些大型站點如CNN或Looksmart的robots.txt文件(www.cnn.com/robots.txt, www.looksmart.com/robots.txt ) 附錄II. 相關robots.txt文章參考： 1. Robots.txt常見問題解析 2. Robots Meta Tag的使用 3. Robots.txt檢測程序