robots.txt文件说明

robot_百度翻译

robot

英[ˈrəʊbɒt]

美[ˈroʊbɑ:t]

n.	机器人; 遥控装置; 自动机; 机械呆板的人;

[例句]They have docked a robot module alongside the orbiting space station

           

            他们已经将一个自动操作舱与沿轨道运行的空间站并行对接上了。

[其他]

复数：robots

牛津词典 柯林斯词典 双语例句 英英释义

fanyi.baidu.com 

以上内容复制自百度，是robot单词的释义及例句，而robots协议，下述内容摘自百度百科

Robots协议（也称为爬虫协议、机器人协议等）的全称是“网络爬虫排除标准”（Robots Exclusion Protocol），网站通过Robots协议告诉搜索引擎哪些页面可以抓取，哪些页面不能抓取。

功能

Robots协议用来告知搜索引擎哪些页面能被抓取，哪些页面不能被抓取；可以屏蔽一些网站中比较大的文件，如： 图片，音乐， 视频等，节省 服务器带宽；可以屏蔽站点的一些 死链接。方便搜索引擎抓取网站内容；设置 网站地图连接，方便引导蜘蛛爬取页面。

文件写法

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目录下面的目录

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包含问号 (?) 的网址

Disallow: /.jpg$ 禁止抓取网页所有的.jpg格式的 图片

Disallow:/ab/adc.html 禁止爬取ab文件夹下面的adc.html文件。

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

Sitemap: 网站地图 告诉爬虫这个页面是网站地图

制作robots.txt文件的方法也很简单，可以访问http://tool.chinaz.com/robots/，勾选所需内容就可以生成txt的文本内容。

最后所需要做的工作就是把robots.txt文件放到网站空间的根目录下即可。