一、什么是robots

搜索引擎搜索网站的一种规范，规则。规则。

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

robots运行图

二、为什么要做robots

它是搜索引擎搜索网站的第一步，它可以让搜索引擎抓取哪些内容？同时不抓取哪些内容？

保护隐私信息，防止用户信息泄露，保护站内隐私信息安全。

屏蔽垃圾页面和和重复页面/低质量页面/屏蔽动态链接/屏蔽死链等

注意事项：

在建站初期，不能用robots屏蔽全站，不让蜘蛛抓取。其影响是：蜘蛛对网站的友好程度降低，后期网站文章收录较慢。

三、语法规则（常用）

a：Disallow意思：禁止抓取/屏蔽抓取/不允许抓取

b：Allow意思：允许抓取/遵从最详细的规则但是允许抓取其中的图片。

c：空格+/意思：根目录地址。

robots运行图

下面是VeryCMS里的robots.txt文件：

User-agent: *

Disallow: /admin/ 后台管理文件

Disallow: /require/ 程序文件

Disallow: /attachment/ 附件

Disallow: /images/ 图片

Disallow: /data/ 数据库文件

Disallow: /template/ 模板文件

Disallow: /css/ 样式表文件

Disallow: /lang/ 编码文件

Disallow: /script/ 脚本文件

五、常见的robots

名称 搜索引擎

google蜘蛛： googlebot

百度蜘蛛：baiduspider

yahoo蜘蛛：slurp

alexa蜘蛛：ia_archiver

msn蜘蛛：msnbot

altavista蜘蛛：scooter

lycos蜘蛛： lycos_spider_(t-rex)

alltheweb蜘蛛： fast-webcrawler/

inktomi蜘蛛： slurp

六、总结

目前看来，绝大多数的搜索引擎机器人都遵守robots.txt的规则，而对于Robots META标签，目前支持的并不多，但是正在逐渐增加，如著名搜索引擎GOOGLE就完全支持，而且GOOGLE还增加了一个指令“archive”，可以限制GOOGLE是否保留网页快照。例如：

<META NAME=”googlebot” CONTENT=”index,follow,noarchive”>

表示抓取该站点中页面并沿着页面中链接抓取，但是不在GOOLGE上保留该页面的网页快照

纯像SEO总结的就是以上robots常用的语法规则。一般小的企业站和个人博客站，使用最多的就是这几种协议规则。