一、robots基本概念
robots.txt文件是网站的一个文件，它是给搜索引擎蜘蛛看的。搜索引擎蜘蛛爬行道我们的网站首先就是抓取这个文件，根据里面的内容来决定对网站文件访问的范围。它能够保护我们的一些文件不暴露在搜索引擎之下，从而有效的控制蜘蛛的爬取路径，为我们站长做好seo创造必要的条件。尤其是我们的网 站刚刚创建，有些内容还不完善，暂时还不想被搜索引擎收录时。
几点注意：
网站必须要有一个robot.txt文件。
robots.txt文件应该放置在网站根目录下
文件名是小写字母。
当需要完全屏蔽文件时，需要配合meta的robots属性。
二、robots.txt的基本语法
内容项的基本格式：键: 值对。
1) User-Agent键
后面的内容对应的是各个具体的搜索引擎爬行器的名称。如百度是Baiduspider，谷歌是Googlebot。
一般我们这样写：
User-Agent: *
表示允许所有搜索引擎蜘蛛来爬行抓取。如果只想让某一个搜索引擎蜘蛛来爬行，在后面列出名字即可。如果是多个，则重复写。
注意：User-Agent:后面要有一个空格。
在robots.txt中，键后面加：号，后面必有一个空格，和值相区分开。
2)Disallow键
该键用来说明不允许搜索引擎蜘蛛抓取的URL路径。
例如：Disallow: /index.php 禁止网站index.php文件
Allow键
该键说明允许搜索引擎蜘蛛爬行的URL路径
例如：Allow: /index.php 允许网站的index.php
通配符*
代表任意多个字符
例如：Disallow: /*.jpg 网站所有的jpg文件被禁止了。
结束符$
表示以前面字符结束的url。
例如：Disallow: /?$ 网站所有以?结尾的文件被禁止。
三、robots.txt实例分析
例1. 禁止所有搜索引擎访问网站的任何部分
User-agent: *
Disallow: /
例2. 允许所有的搜索引擎访问网站的任何部分
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
User-agent: *
Disallow: /cgi-bin/
Disallow: /tmp/
Disallow: /data/
注意事项：1)三个目录要分别写。2)请注意最后要带斜杠。3)带斜杠与不带斜杠的区别。
例6. 允许访问特定目录中的部分url
我希望a目录下只有b.htm允许访问，怎么写?
User-agent: *
Allow: /a/b.htm
Disallow: /a/
注：允许收录优先级要高于禁止收录。
从例7开始说明通配符的使用。通配符包括("$" 结束符;
"*"任意符)
例7. 禁止访问网站中所有的动态页面
User-agent: *
Disallow: /*?*
例8. 禁止搜索引擎抓取网站上所有图片
User-agent: *
Disallow: /*.jpg$
Disallow: /*.jpeg$
Disallow: /*.gif$
Disallow: /*.png$
Disallow: /*.bmp$
其他很多情况呢，需要具体情况具体分析。只要你了解了这些语法规则以及通配符的使用，相信很多情况是可以解决的。
四、meta robots标签
meta是网页html文件的head标签里面的标签内容。它规定了此html文件对与搜索引擎的抓取规则。与robot.txt 不同，它只针对写在此html的文件。
写法：
。
…里面的内容列出如下
noindex - 阻止页面被列入索引。
nofollow - 阻止对于页面中任何超级链接进行索引。
noarchive - 不保存该页面的网页快照。
nosnippet - 不在搜索结果中显示该页面的摘要信息，同时不保存该页面的网页快照。
noodp - 在搜索结果中不使用Open Directory Project中的描述信息作为其摘要信息
SEO专题推荐：
关键词优化专题：网站关键词优化没效果?来这里学习最实用的关键词优化技巧!
内链优化专题：最能提升网站权重的内链部署优化技巧与方法
外链建设专题：高质量自然外链怎么做?读完这些你将质的飞跃
网站降权专题：2015年最有用的网站降权、被K、被黑、被攻击的解决方法
用户体验专题：学习完这些，作为站长的你可以秒懂如何做网站用户体验
行业网站专题：优化行业网站的“葵花宝典”看完后无优化压力
A5创业网 版权所有