一．什么是robots.txt文件?

　　搜索引擎通過一種程序robot（又稱spider），自動訪問互聯(lián)網(wǎng)上的網(wǎng)頁并獲取網(wǎng)頁信息。

　　您可以在您的網(wǎng)站中創(chuàng)建一個純文本文件robots.txt，在這個文件中聲明該網(wǎng)站中不想被robot訪問的部分，這樣，該網(wǎng)站的部分或全部內(nèi)容就可以不被搜索引擎收錄了，或者指定搜索引擎只收錄指定的內(nèi)容。

二. robots.txt文件放在哪里?

　　robots.txt文件應(yīng)該放在網(wǎng)站根目錄下。舉例來說，當(dāng)robots訪問一個網(wǎng)站（比如http://www.abc.com）時，首先會檢查該網(wǎng)站中是否存在http://www.abc.com/robots.txt這個文件，如果機(jī)器人找到這個文件，它就會根據(jù)這個文件的內(nèi)容，來確定它訪問權(quán)限的范圍。

三. robots.txt文件的格式

"robots.txt"文件包含一條或更多的記錄，這些記錄通過空行分開（以CR,CR/NL, or NL作為結(jié)束符），每一條記錄的格式如下所示：

　　　　"<field>:<optionalspace><value><optionalspace>"。

　　在該文件中可以使用#進(jìn)行注解，具體使用方法和UNIX中的慣例一樣。該文件中的記錄通常以一行或多行User-agent開始，后面加上若干Disallow行,詳細(xì)情況如下：

User-agent:
　　該項(xiàng)的值用于描述搜索引擎robot的名字，在"robots.txt"文件中，如果有多條User-agent記錄說明有多個robot會受到該協(xié)議的限制，對該文件來說，至少要有一條User-agent記錄。如果該項(xiàng)的值設(shè)為*，則該協(xié)議對任何機(jī)器人均有效，在"robots.txt"文件中，"User-agent：*"這樣的記錄只能有一條。

Disallow :
　　該項(xiàng)的值用于描述不希望被訪問到的一個URL，這個URL可以是一條完整的路徑，也可以是部分的，任何以Disallow 開頭的URL均不會被robot訪問到。例如"Disallow: /help"對/help.html 和/help/index.html都不允許搜索引擎訪問，而"Disallow: /help/"則允許robot訪問/help.html，而不能訪問/help/index.html。
任何一條Disallow記錄為空，說明該網(wǎng)站的所有部分都允許被訪問，在"/robots.txt"文件中，至少要有一條Disallow記錄。如果"/robots.txt"是一個空文件，則對于所有的搜索引擎robot，該網(wǎng)站都是開放的。

四. robots.txt文件用法舉例

五. robots.txt文件參考資料

robots.txt文件的更具體設(shè)置,請參看以下鏈接：

? Web Server Administrator's Guide to the Robots Exclusion Protocol
? HTML Author's Guide to the Robots Exclusion Protocol
? The original 1994 protocol description, as currently deployed
? The revised Internet-Draft specification, which is not yet completed or implemented

總結(jié)：

看這么多也許有些朋友會很不耐心，簡單地說，robots.txt是這樣一個文件，他可以將爬蟲關(guān)到門外，使得不索引某個頁面，具體的用法就是將不想被搜索引擎機(jī)器人爬行的網(wǎng)頁目錄下的文件所在的目錄防至robots.txt，在前面加上Disallow:/（表示不允許）后面在跟上該目錄，就會給搜索引擎這樣一個信號，這個目錄下所有的網(wǎng)頁不要被訪問了，如果在目錄后面再加“/”則表示不要爬行該目錄下面的默認(rèn)主頁，一般默認(rèn)主頁為index.html，index.htm之類。