1、什么是robots.txt文件?
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。
2、robots.txt文件放在哪里?
robots.txt文件应该放在网站根目录下。举例来说，当robots访问一个网站(比如https://www.abc.com)时，首先会检查该网站中是否存在https://www.abc.com/robots.txt这个文件，如果机器人找到这个文件，它就会根据这个文件的内容，来确定它访问权限的范围。
网站URL 相应的robots.txt的URL
https://www.w3.org/ https://www.w3.org/robots.txt
https://www.w3.org:80/ https://www.w3.org:80/robots.txt
https://www.w3.org:1234/ https://www.w3.org:1234/robots.txt
https://w3.org/ https://w3.org/robots.txt
3、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,orNL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：
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。
4、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”file) User-agent:*
Disallow:
例3.禁止某个搜索引擎的访问 User-agent:BadBot
Disallow:/
例4.允许某个搜索引擎的访问 User-agent:baiduspider
Disallow:
User-agent:*
Disallow:/
例5.一个简单例子
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，即搜索引擎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，而不要写成”Disallow:/cgi-bin//tmp/”。
User-agent:后的*具有特殊的含义，代表”anyrobot”，所以在该文件中不能有”Disallow:/tmp/*”or”Disallow:*.gif”这样的记录出现.
5、robots.txt的作用
通过设置屏蔽搜索引擎，使之不必要页面被收录，可以大大降低抓取页面所占用的网站带宽，大型网站尤为明显了。设置robots.txt文件可以指定某个搜索引擎不去索引不想被收录的URL，比如我们通过url重写将动态URL静态化为永久固定链接，就可以通过robots.txt设置权限，阻止某些搜索引擎索引那些动态网址，网站重复页面将减少，有利于优化。
蚂蚱网
