robots.txt正确的书写格式

1、什么是robots.txt文件?
答：spider在访问一个网站时，会首先会检查该网站的根域下是否有一个叫做robots.txt的纯文本文件，这个文件用于指定spider在您网站上的抓取范围。您可以在您的网站中创建一个robots.txt，在文件中声明该网站中不想被搜索引擎收录的部分或者指定搜索引擎只收录特定的部分。

2、robots.txt文件放在哪里?
答：robots.txt文件应该放置在网站根目录下。举例来说，当spider访问一个网站（比如http://www.xueseo.com.cn）时，首先会检查该网站中是否存在“http://www.xueseo.com.cn/robots.txt ”这个文件，如果Spider找到这个文件，它就会根据这个文件的内容，来确定它访问权限的范围，如果"/robots.txt"不存在或者为空文件，则默认搜索引擎可以抓取所有的页面。

3、robots.txt文件如何书写？
答：该文件中的记录通常以一行或多行User-agent开始，后面加上若干Disallow和Allow行,详细情况如下：

User-agent:
该项的值用于描述搜索引擎蜘蛛的名字。在"robots.txt"文件中，如果有多条User-agent记录说明有多个robot会受到"robots.txt"的限制，对该文件来说，至少要有一条User-agent记录。如果该项的值设为*，则对任何robot均有效，在"robots.txt"文件中，"User-agent:*"这样的记录只能有一条。如果在"robots.txt"文件中，加入"User-agent:googlebot"和若干Disallow、Allow行，那么名为"googlebot"只受到"User-agent:googlebot"后面的Disallow和Allow行的限制。

Disallow:
该项的值用于描述不希望被访问的一组URL，这个值可以是一条完整的路径，也可以是路径的前缀，以Disallow项的值开头的URL不会被robot访问。
例如"Disallow:/help"禁止robot访问/help.html、/helpabc.html、/help/index.html
例如"Disallow:/help/"禁止访问/help/index.html，但允许robot访问/help.html、/helpabc.html
例如"Disallow:/"禁止robot访问该网站的所有url
例如"Disallow:"说明允许robot访问该网站的所有url
在"/robots.txt"文件中，至少要有一条Disallow记录，否则这个文件就没有意义了。

Allow:
该项的值用于描述希望被访问的一组URL，与Disallow项相似，这个值可以是一条完整的路径，也可以是路径的前缀，以Allow项的值开头的URL是允许robot访问的。
例如"Allow:/hibaidu"允许robot访问/hibaidu.htm、/hibaiducom.html、/hibaidu/com.html
一个网站的所有URL默认都是Allow的，所以Allow通常与Disallow搭配使用，实现允许访问一部分网页同时禁止访问其它所有URL的功能。

需要特别注意的是Disallow与Allow行的顺序是有意义的，如果同一个页面即被Disallow又被Allow，则以最先出现的那行记录为准。

使用"*"和"$"：
Baiduspider支持使用通配符"*"和"$"来模糊匹配url。 
"$" 匹配行结束符。 "*" 匹配0或多个任意字符。

robots.txt文件用法举例

例1. 禁止所有搜索引擎访问网站的任何部分	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:
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:
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。	User-agent: * Disallow: /cgi-bin/ Disallow: /tmp/ Disallow: /~joe/
例6. 允许访问特定目录中的部分url         在这个例子中，有三个目录对搜索引擎的访问做了限制，但是这三个目录中又各自有一个目录允许搜索引擎收录。	User-agent: * Allow: /cgi-bin/see/ Allow: /tmp/hi/ Allow: /~joe/look/ Disallow: /cgi-bin/ Disallow: /tmp/ Disallow: /~joe/
例7. 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. 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，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$

本文中内容主要节选自百度的介绍，但是我进行了部分修改，让语言更加通俗易懂，更详细资料可以查看《禁止搜索引擎收录的方法》。

作者：孙运坤
首发：山东SEO培训团队
网址：http://www.xueseo.com.cn
本站版权所有，转载时必须以链接形式注明作者和原始出处及本声明。

Tag：robots.txt