robots.txt文件的写法

这篇文章主要介绍：robots.txt是什么？robots.txt中的参数含义。robots.txt写法大全和robots.txt语法的作用，robots.txt编写注意事项

robots.txt是什么？

robots.txt是一个纯文本文件，是爬虫抓取网站的时候要查看的第一个文件，一般位于网站的根目录下。robots.txt是用来告诉搜索引擎网站上哪些内容可以被访问、哪些不能被访问。当搜索引擎访问一个网站的时候，它首先会检查网站是否存在robots.txt，如果有则会根据文件命令访问有权限的文件。

而一个网站为什么要写robots.txt，主要有四点：

1、保护网站安全

2、节省流量

3、禁止搜索引擎收录部分页面

4、引导蜘蛛爬网站地图

robots.txt中的参数含义：

1. User-agent：描述搜索引擎spider的名字

在“robots.txt“文件中，如果有多条 User-agent记录，说明有多个robot会受到该协议的约束。所以，“robots.txt”文件中至少要有一条User- agent记录。如果该项的值设为*（通配符），则该协议对任何搜索引擎机器人均有效。在“robots.txt”文件 中，“User-agent：*”这样的记录只能有一条。

2. Disallow: / 禁止访问的路径

例如，Disallow: /home/news/data/，代表爬虫不能访问/home/news/data/后的所有URL，但能访问/home/news/data123

Disallow: /home/news/data，代表爬虫不能访问/home/news/data123、/home/news/datadasf等一系列以data开头的URL。

前者是精确屏蔽，后者是相对屏蔽

3. Allow：/允许访问的路径

例如，Disallow：/home/后面有news、video、image等多个路径，接着使用Allow：/home/news，代表禁止访问/home/后的一切路径，但可以访问/home/news路径。

robots.txt写法大全和robots.txt语法的作用

1如果允许所有搜索引擎访问网站的所有部分的话 我们可以建立一个空白的文本文档，命名为robots.txt放在网站的根目录下即可。

robots.txt写法如下：

User-agent: *

Disallow:

或者

User-agent: *

Allow: /

2如果我们禁止所有搜索引擎访问网站的所有部分的话

robots.txt写法如下：

User-agent: *

Disallow: /

3如果我们需要某一个搜索引擎的抓取的话，比如百度，禁止百度索引我们的网站的话

robots.txt写法如下：

User-agent: Baiduspider

Disallow: /

4如果我们禁止Google索引我们的网站的话，其实跟示例3一样，就是User-agent:头文件的蜘蛛名字改成谷歌的Googlebot即可

robots.txt写法如下：

User-agent: Googlebot

Disallow: /

5如果我们禁止除Google外的一切搜索引擎索引我们的网站话

robots.txt写法如下：

User-agent: Googlebot

Disallow:

User-agent: *

Disallow: /

6如果我们禁止除百度外的一切搜索引擎索引我们的网站的话

robots.txt写法如下：

User-agent: Baiduspider

Disallow:

User-agent: *

Disallow: /

7如果我们需要禁止蜘蛛访问某个目录，比如禁止admin、css、images等目录被索引的话

robots.txt写法如下：

User-agent: *

Disallow: /css/

Disallow: /admin/

Disallow: /images/

8如果我们允许蜘蛛访问我们网站的某个目录中的某些特定网址的话

robots.txt写法如下：

User-agent: *

Allow: /css/my

Allow: /admin/html

Allow: /images/index

Disallow: /css/

Disallow: /admin/

Disallow: /images/

9我们看某些网站的robots.txt里的Disallow或者Allow里会看很多的符号，比如问号星号什么的，如果使用“*”，主要是限制访问某个后缀的域名，禁止访问/html/目录下的所有以”.htm”为后缀的URL(包含子目录)。

robots.txt写法如下：

User-agent: *

Disallow: /html/*.htm

10如果我们使用“$”的话是仅允许访问某目录下某个后缀的文件

robots.txt写法如下：

User-agent: *

Allow: .asp$

Disallow: /

 

 

11如果我们禁止索引网站中所有的动态页面（这里限制的是有“?”的域名，例如index.asp?id=1）

robots.txt写法如下：

 

User-agent: *

Disallow: /*?*

有些时候，我们为了节省服务器资源，需要禁止各类搜索引擎来索引我们网站上的图片，这里的办法除了使用“Disallow: /images/”这样的直接屏蔽文件夹的方式之外，还可以采取直接屏蔽图片后缀名的方式。

12如果我们禁止Google搜索引擎抓取我们网站上的所有图片(如果你的网站使用其他后缀的图片名称，在这里也可以直接添加)

robots.txt写法如下：

User-agent: Googlebot

Disallow: .jpg$

Disallow: .jpeg$

Disallow: .gif$

Disallow: .png$

Disallow: .bmp$

13如果我们禁止百度搜索引擎抓取我们网站上的所有图片的话

robots.txt写法如下：

User-agent: Baiduspider

Disallow: .jpg$

Disallow: .jpeg$

Disallow: .gif$

Disallow: .png$

Disallow: .bmp$

14除了百度之外和Google之外，禁止其他搜索引擎抓取你网站的图片

(注意，在这里为了让各位看的更明白，因此使用一个比较笨的办法——对于单个搜索引擎单独定义。)

robots.txt写法如下：

User-agent: Baiduspider

Allow: .jpeg$

Allow: .gif$

Allow: .png$

Allow: .bmp$

User-agent: Googlebot

Allow: .jpeg$

Allow: .gif$

Allow: .png$

Allow: .bmp$

User-agent: *

Disallow: .jpg$

Disallow: .jpeg$

Disallow: .gif$

Disallow: .png$

Disallow: .bmp$

15仅仅允许百度抓取网站上的“JPG”格式文件（其他搜索引擎的办法也和这个一样，只是修改一下搜索引擎的蜘蛛名称即可）

robots.txt写法如下：

User-agent: Baiduspider

Allow: .jpg$

Disallow: .jpeg$

Disallow: .gif$

Disallow: .png$

Disallow: .bmp$

16仅仅禁止百度抓取网站上的“JPG”格式文件

robots.txt写法如下：

User-agent: Baiduspider

Disallow: .jpg$

17如果 ? 表示一个会话 ID，您可排除所有包含该 ID 的网址，确保 Googlebot 不会抓取重复的网页。但是，以 ? 结尾的网址可能是您要包含的网页版本。在此情况下，沃恩可将与 Allow 指令配合使用。

robots.txt写法如下：

User-agent:*

Allow:/*?$

Disallow:/*?

Disallow:/ *?

一行将拦截包含 ? 的网址（具体而言，它将拦截所有以您的域名开头、后接任意字符串，然后是问号 (?)，而后又是任意字符串的网址）。Allow: /*?$ 一行将允许包含任何以 ? 结尾的网址（具体而言，它将允许包含所有以您的域名开头、后接任意字符串，然后是问号 (?)，问号之后没有任何字符的网址）。

18如果我们想禁止搜索引擎对一些目录或者某些URL访问的话，可以截取部分的名字

robots.txt写法如下：

User-agent:*

Disallow: /plus/feedback.php?

robots.txt编写注意事项

在写robots.txt文件时语法一定要用对，User-agent、Disallow、Allow、Sitemap这些词都必须是第一个字母大写，后面的字母小写，而且在:后面必须带一个英文字符下的空格。

网站上线之前切记写robots.txt文件禁止蜘蛛访问网站，如果不会写就先了解清楚写法之后再写，以免给网站收录带来不必要的麻烦。

robots.txt文件生效时间在几天至一个月之间，站长自身无法控制。但是，站长可以在百度统计中查看网站robots.txt文件是否生效。