robots.txt文件使用的格式及注意

搜索引擎通过一种程序robot（又称spider），自动访问互联网上的网页并获取网页信息。您可以在您的网站中创建一个纯文本文件 robots.txt，在这个文件中声明该网站中不想被robot 访问的部分，这样，该网站的部分或全部内容就可以不被搜索引擎收录了，或者指定搜索引擎只收录指定的内容。robots.txt 文件应该放在网站根目录下。

robots.txt文件的格式：

“robots.txt”文件包含一条或更多的记录，这些记录通过空行分开（以CR,CR/NL, or NL 作为结束符），每一条记录的格式如下所示：
“<field>:<optionalspace><value><optionalspace>”。
在该文件中可以使用#进行注解，具体使用方法和UNIX 中的惯例一样。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 行,详细情况如下：
“网络销售员”网络营销服务启动，全面优化，以订单说话，预订进行中……

User-agent:

该项的值用于描述搜索引擎robot 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*，则该协议对任何机器人均有效，在”robots.txt”文件中，”User-agent:*”这样的记录只能有一条。

Disallow:

该项的值用于描述不希望被访问到的一个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。例如”Disallow:/help”对/help.html 和/help/index.html 都不允许搜索引擎访问，而”Disallow:/help/”则允许robot 访问/help.html，而不能访问/help/index.html。任何一条Disallow 记录为空，说明该网站的所有部分都允许被访问，在”/robots.txt”文件中，至少要有一条Disallow 记录。如果”/robots.txt”是一个空文件，则对于所有的搜索引擎robot，该网站都是开放的。

写在最后：robots.txt文件有时会被大家所以忘，可是有时往往出问题就是出现在这些并不被大家重视的小细节，不时在论坛还能看见有人发帖说网站一页都没有被收录，结果就是robots.txt文件把所有的搜索引擎都禁止抓取了。这就是大家的大意，泪雪写在这里是希望以后大家千万别犯这种小错误，不然请求别人帮助时就闹出笑话了。

当然子凡这里写得并不是很全面，以后慢慢为大家补充完整。。。

除非注明，否则均为泪雪博客原创文章，禁止任何形式转载

本文链接：https://zhangzifan.com/robots-txt-file-format.html