Robots.txt 是什么/有什么用/怎么写

共计 1422 个字符，预计需要花费 4 分钟才能阅读完成。

1. Robots.txt是什么？

我们都知道 txt 后缀的文件是纯文本文档，robots 是机器人的意思，所以顾名思义，robots.txt 文件也就是给搜索引擎蜘蛛这个机器人看的纯文本文件。robots.txt 是搜索引擎公认遵循的一个规范文档，它告诉 Google、 百度 等搜索引擎哪些网页允许抓取、索引并在搜索结果中显示，哪些网页是被禁止收录的。搜索引擎蜘蛛 spider(Googlebot/Baiduspider)来访问你的网站页面的时候，首先会查看你的网站根目录下是否有 robots.txt 文件，如果有则按照里面设置的规则权限对你网站页面进行抓取和索引。

如淘宝网就通过设置 robots.txt 屏蔽百度搜索引擎：
User-agent: Baiduspider
Disallow: /
User-agent: baiduspider
Disallow: /

2. robots.txt 有什么作用？

robots.txt 文件至少有下面两方面的作用：

通过设置屏蔽搜索引擎访问不必要被收录的网站页面，可以大大减少因 spider 抓取页面所占用的网站带宽，小网站不明显，大型网站就很明显了。
设置 robots.txt 可以指定 google 或百度不去索引哪些网址，比如我们通过 url 重写将动态网址静态化为永久固定链接之后，就可以通过 robots.txt 设置权限，阻止 Google 或百度等搜索引擎索引那些动态网址，从而大大减少了网站重复页面，对 SEO 优化起到了很明显的作用。

3. robots.txt 怎么写？

关于如何写 robots.txt 文件，在下面我们会以 WordPress 博客来作更具体举例说明。这里先提示几点 robots.txt 写法中应该注意的地方。如 robots.txt 文件里写入以下代码：

User-agent: *
Disallow:
Allow: /

robots.txt 必须上传到你的网站根名录下，在子目录下无效；
robots.txt，Disallow 等必须注意大小写，不能变化；
User-agent，Disallow 等后面的冒号必须是英文状态下的，冒号后面可以空一格，也可以不空格。网上有人说冒号后面必须有空格，其实没有也是可以的。
请看谷歌中文网站管理员博客的设置就是这样：http://www.googlechinawebmaster.com/robots.txt；
User-agent 表示搜索引擎 spider：星号“*”代表所有 spider，Google 的 spider 是“Googlebot”，百度是“Baiduspider”；
Disallow: 表示不允许搜索引擎访问和索引的目录；
Allow: 指明允许 spider 访问和索引的目录，Allow: / 表示允许所有，和 Disallow: 等效。

4. 特殊案例情况：robots.txt 与子目录绑定的问题

如果 forum 用的是绑定子目录的方式，而实际使用的是比如是 forum.hcm602.cn 这样的二级域名，那么就要避免 www.cmhello.com/forum/ 这样的 url 被搜索引擎收录，可以在主目录中的 robots.txt 中加入：
User-agent: *
Disallow: /forum/

Robots.txt 文件必须放在网站的根目录。放在子目录的 Robots.txt 文件搜索引擎不能爬取到，所以不会起任何作用。（除非你的子目录是一个绑定了域名的新网站）

本文来自网络，站长(www.cmhello.com) 整理编辑，请原创作者及时与站长联系。