robots协议

百度百科的介绍

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协议的语法分为三个：分别是User-agent、Disallow、Allow。

User-agent: 指的是那些搜索引擎执行以下协议。

Disallow:指禁止抓取的意思。如语法：Disallow: /a ,就是禁止搜索引擎抓取带有/a 这个关键词的链接。

Allow：指允许抓取的意思。通常默认就是允许抓取，故很少会用到该命令。

文件编写规则

robots协议命名为robots.txt，放在网站的根目录下。

简单的robots协议如下：

User-agent: *
Disallow: /*?*

 

其中User-agent代表要遵守该协议的搜索引擎，如果是通配符‘*’，代表所有搜索引擎都要遵守该协议。
Disallow代表不允许搜索引擎访问的内容，/*?*代表不允许搜索引擎访问所有带？的路径内容，/代表不允许搜索引擎访问该网站所有内容。