什么是robots.txt？

　　robots.txt是搜索引擎访问网站时候要查看的第一个文件。robots.txt文件告诉蜘蛛程序在服务器上什么文件是可以被查看的。
　　当一个搜索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必须放置在一个站点的根目录下，而且文件名必须全部小写。
        robots.txt文件的格式:　　
        User-agent: 定义搜索引擎的类型 　　
        Disallow: 定义禁止搜索引擎收录的地址 　　
        Allow: 定义允许搜索引擎收录的地址

　　我们常用的搜索引擎类型有：
 　　google蜘蛛：googlebot
 　　百度蜘蛛：baiduspider
 　　yahoo蜘蛛：Yahoo!slurp
 　　alexa蜘蛛：ia_archiver
 　　bing蜘蛛：MSNbot
 　　altavista蜘蛛：scooter
 　　lycos蜘蛛：lycos_spider_(t-rex)
 　　alltheweb蜘蛛：fast-webcrawler
 　　inktomi蜘蛛： slurp

   robots.txt文件的写法
　　User-agent: * 这里的*代表的所有的搜索引擎种类，*是一个通配符
　　Disallow: /admin/ 这里定义是禁止爬寻admin目录下面的目录
　　Disallow: /require/ 这里定义是禁止爬寻require目录下面的目录
　　Disallow: /ABC/ 这里定义是禁止爬寻ABC整个目录　
　　Disallow: /cgi-bin/*.htm 禁止访问/cgi-bin/目录下的所有以".htm"为后缀的URL(包含子目录)。
　　Disallow: /*?* 禁止访问网站中所有的动态页面
　　Disallow: /jpg$ 禁止抓取网页所有的.jpg格式的图片
　　Disallow:/ab/adc.html 禁止爬去ab文件夹下面的adc.html文件。
　　User-agent: * 这里的*代表的所有的搜索引擎种类，*是一个通配符
　　Allow: /cgi-bin/　这里定义是允许爬寻cgi-bin目录下面的目录
　　Allow: /tmp 这里定义是允许爬寻tmp的整个目录
　　Allow: .htm$ 仅允许访问以".htm"为后缀的URL。
　　Allow: .gif$ 允许抓取网页和gif格式图片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: /

　　实例分析：淘宝网的 Robots.txt文件
　　User-agent: Baiduspider
　　Disallow: /
　　很显然淘宝不允许百度的机器人访问其网站下其所有的目录。

　　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: *
　　Allow:

　　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
　　allow:/

　　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: *
　　Disallow: /cgi-bin/
　　Disallow: /tmp/
　　Disallow: /~joe/

若需要了解更多，请点击此处