搜索引擎訪問一個網(wǎng)站時，它首先會檢查該網(wǎng)站的根域下是否有一個叫做robots.txt的純文本文件。Robots.txt文件用于限定搜索引擎對其網(wǎng)站的訪問范圍，即告訴搜索引擎網(wǎng)站中哪些文件是允許它進(jìn)行檢索（下載）的。

    搜索引擎訪問一個網(wǎng)站時，它首先會檢查該網(wǎng)站的根域下是否有一個叫做robots.txt的純文本文件。Robots.txt文件用于限定搜索引擎對其網(wǎng)站的訪問范圍，即告訴搜索引擎網(wǎng)站中哪些文件是允許它進(jìn)行檢索（下載）的。這就是大家在上常看到的“拒絕Robots訪問標(biāo)準(zhǔn)”（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： “:”

    下面我們分別對這兩個域做進(jìn)一步說明。

    User-agent（用戶代理）：

    User-agent行（用戶代理行） 用于指定搜索引擎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(biāo)準(zhǔn)的限制。當(dāng)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(wǎng)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(jìn)行了聲明，禁止Spiders下載網(wǎng)站上的email.htm文件。而“Disallow: /cgi-bin/”則對cgi-bin目錄的訪問進(jìn)行了聲明，拒絕Spiders進(jìn)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(wǎng)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(nèi)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(biāo)準(zhǔn)允許將注解內(nèi)容放在指示行的末尾，但這種格式并不是所有的Spiders都能夠支持。譬如，并不是所有的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(biāo)準(zhǔn)允許在一個指令行的開頭存在空格，象“Disallow: bob #comment”，但我們也并不建議大家這么做。

    Robots.txt文件的創(chuàng)建：

    需要注意的是，應(yīng)當(dāng)在UNIX命令行終端模式下創(chuàng)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(yīng)該”能夠替你轉(zhuǎn)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(fèi)力氣了。

    對RES標(biāo)準(zhǔn)的擴(kuò)展：

    盡管已經(jīng)提出了一些擴(kuò)展標(biāo)準(zhǔn)，如Allow行或Robot版本控制（例如應(yīng)該忽略大小寫和版本號），但尚未得到RES工作組的正式批準(zhǔn)認(rèn)可。

    附錄I. Robots.txt用法舉例：

    使用通配符“*”，可設(shè)置對所有robot的訪問權(quán)限。

    User-agent: *

    Disallow:

    表明：允許所有搜索引擎訪問網(wǎng)站下的所有內(nèi)容。

    User-agent: *

    Disallow: /

    表明：禁止所有搜索引擎對網(wǎng)站下所有網(wǎng)頁的訪問。

    User-agent: *

    Disallow: /cgi-bin/Disallow: /images/

    表明：禁止所有搜索引擎進(jìn)入網(wǎng)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(wǎng)站上的任何文件。

    User-agent: Googlebot

    Disallow: cheese.htm

    表明：禁止Google的Googlebot訪問其網(wǎng)站下的cheese.htm文件。

    上面介紹了一些簡單的設(shè)置，對于比較復(fù)雜的設(shè)置，可參看一些大型站點(diǎn)如CNN或Looksmart的robots.txt文件

    附錄II. 相關(guān)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