ps：由于公司网站配置的测试环境被百度爬虫抓取，干扰了线上正常环境的使用，刚好看到每次搜索淘宝时，都会有一句由于robots.txt文件存在限制指令无法提供内容描述，于是便去学习了一波

1.原来一般来说搜索引擎爬取网站时都会，先读取下robots.txt文件，并依照里面所设定的规则去爬取网站（当然是指没用登录限制的页面）

2.下面我们就来说一说如何设置robots.txt文件

1）.robots.txt文件必须是放在文件根目录上：

例如：

　　├─admin

　　│  └─templates

　　│          header.tpl.php

　　│          task_add.tpl.php

　　│   └─robots.txt

 2 ) .首先常用的命令为

User-agent : 可以具体制定User-agent适用，即搜索引擎的名字，如果为 * 的话则为通配

Disallow : 可以设定档案或文件夹，不允许被爬虫爬取，且为 / 时禁止爬取整站 ，也可以指定文件路径，不可爬取

Crawl-delay: 延时爬取，防止爬虫短时间内爬取网站过快导致网站崩溃，则可以设置该延时

Allow : 允许爬取指定页面， 为 / 时爬取整站

3） 搜索引擎别称

Googlebot 谷歌

Baiduspider 百度

等等

类似我们测试环境就设置了

User-agent : / 所有搜索引擎

Disallow : / 禁止整站

来源：http://www.cnblogs.com/jjq-exchange/p/9549989.html

链接: https://fly63.com/article/detial/1037