robots怎么写(robots文件怎么写)

我们很多时候感觉网站页面被搜索引擎收录得越多越好，这句话本身没有什么错误，但是我们会发现很多网站页面是我们不需要被收录都被收录了，我们需要搜索引擎收录的页面的反而没有被收录，其实爬虫在爬取我们网站的时间是有限的，怎么样才能在有限的时间爬取我们的更多的页面，我们就要告诉爬虫爬取我们需要它去爬取的内容页面，那么就需要一个robots.txt文本文件。

tobots.txt网站收录协议

什么是robots.txt文件

robots是网站跟爬虫间的协议，用简单直接的txt格式文本方式告诉对应的爬虫被允许的权限，也就是说robots.txt是搜索引擎中访问网站的时候要查看的第一个文件。当一个搜索引擎蜘蛛访问一个站点时，它会首先检查该站点根目录下是否存在robots.txt，如果存在，搜索机器人就会按照该文件中的内容来确定访问的范围；如果该文件不存在，所有的搜索蜘蛛将能够访问网站上所有没有被口令保护的页面。

robots.txt文件放置的位置

robots.txt文件放在网站根目录下。搜索引擎蜘蛛访问一个站点时，首先检查该站点根目录下是否存在robots.txt文件，如果搜索引擎蜘蛛找到这个文件，它就会根据这个文件的内容，来确定它访问权限的范围。

robots.txt文件规则

robots.txt规则

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。

Allow:

该项的值用于描述希望被访问的一组URL，与Disallow项相似，这个值可以是一条完整的路径，也可以是路径的前缀，以Allow项的值开头的URL是允许robot访问的。例如"Allow:/baidu"允许robot访问/baidu.htm、/baiducom.html、/baidu/com.html。一个网站的所有URL默认是Allow的，所以Allow通常与Disallow搭配使用，实现允许访问一部分网页同时禁止访问其它所有URL的功能。

robots.txt语法

1.允许所有搜索引擎收录本站信息：

robots.txt为空就可以，什么都不要写。或者

User-agent: *

Disallow:

2. 禁止所有搜索引擎收录网站的某些目录：

User-agent: *

Disallow: /目录名1/

Disallow: /目录名2/

Disallow: /目录名3/

3. 禁止某个搜索引擎收录本站，比如禁止某度收录：

User-agent: Baiduspider

Disallow: /

4. 禁止所有搜索引擎收录本站信息：

User-agent: *

Disallow: /

robots网站跟爬虫间的协议

robots.txt对于网站SEO优化的作用

搜索引擎通过爬虫spider程序会自动搜集互联网上的网页并获取相关信息。我们通常网站上会有一些内容是不想让蜘蛛抓取的，所以经常会使用robots文件把一些不想被抓取的内容告诉爬虫。

还有就是我们希望搜索引擎爬虫在有限的带宽爬取我们更多更有用的信息，进而让这些页面获取更好的排名。