robots.txt站点文件_详解网站的robots.txt限制指令怎么编写

这篇文章主要介绍：robots.txt是什么？robots.txt中的参数含义。robots.txt写法大全和robots.txt语法的作用，robots.txt编写注意事项

robots.txt是什么？

robots.txt是一个纯文本文件，是爬虫抓取网站的时候要查看的第一个文件，一般位于网站的根目录下。robots.txt是用来告诉搜索引擎网站上哪些内容可以被访问、哪些不能被访问。当搜索引擎访问一个网站的时候，它首先会检查网站是否存在robots.txt，如果有则会根据文件命令访问有权限的文件。

而一个网站为什么要写robots.txt，主要有四点：

1、保护网站安全
2、节省流量
3、禁止搜索引擎收录部分页面
4、引导蜘蛛爬网站地图

robots.txt中的参数含义：

1. User-agent：描述搜索引擎spider的名字

在“robots.txt“文件中，如果有多条 User-agent记录，说明有多个robot会受到该协议的约束。所以，“robots.txt”文件中至少要有一条User- agent记录。如果该项的值设为*（通配符），则该协议对任何搜索引擎机器人均有效。在“robots.txt”文件中，“User-agent：*”这样的记录只能有一条。

2. Disallow: / 禁止访问的路径

例如，Disallow: /home/news/data/，代表爬虫不能访问/home/news/data/后的所有URL，但能访问/home/news/data123

Disallow: /home/news/data，代表爬虫不能访问/home/news/data123、/home/news/datadasf等一系列以data开头的URL。

前者是精确屏蔽，后者是相对屏蔽

3. Allow：/允许访问的路径

例如，Disallow：/home/后面有news、video、image等多个路径，接着使用Allow：/home/news，代表禁止访问/home/后的一切路径，但可以访问/home/news路径。

robots.txt写法大全和robots.txt语法的作用

1如果允许所有搜索引擎访问网站的所有部分的话我们可以建立一个空白的文本文档，命名为robots.txt放在网站的根目录下即可。
robots.txt写法如下：

User-agent: *
Disallow:

或者

User-agent: *
Allow: /

2如果我们禁止所有搜索引擎访问网站的所有部分的话
robots.txt写法如下：

User-agent: *
Disallow: /

3如果我们需要某一个搜索引擎的抓取的话，比如百度，禁止百度索引我们的网站的话
robots.txt写法如下：

User-agent: Baiduspider
Disallow: /

4如果我们禁止Google索引我们的网站的话，其实跟示例3一样，就是User-agent:头文件的蜘蛛名字改成谷歌的Googlebot即可
robots.txt写法如下：

User-agent: Googlebot
Disallow: /

5如果我们禁止除Google外的一切搜索引擎索引我们的网站话
robots.txt写法如下：

User-agent: Googlebot
Disallow:
User-agent: *
Disallow: /

6如果我们禁止除百度外的一切搜索引擎索引我们的网站的话
robots.txt写法如下：

User-agent: Baiduspider
Disallow:
User-agent: *
Disallow: /

7如果我们需要禁止蜘蛛访问某个目录，比如禁止admin、css、images等目录被索引的话
robots.txt写法如下：

User-agent: *
Disallow: /css/
Disallow: /admin/
Disallow: /images/

8如果我们允许蜘蛛访问我们网站的某个目录中的某些特定网址的话
robots.txt写法如下：

User-agent: *
Allow: /css/my
Allow: /admin/html
Allow: /images/index
Disallow: /css/
Disallow: /admin/
Disallow: /images/

9我们看某些网站的robots.txt里的Disallow或者Allow里会看很多的符号，比如问号星号什么的，如果使用“*”，主要是限制访问某个后缀的域名，禁止访问/html/目录下的所有以”.htm”为后缀的URL(包含子目录)。
robots.txt写法如下：

User-agent: *
Disallow: /html/*.htm

10如果我们使用“$”的话是仅允许访问某目录下某个后缀的文件
robots.txt写法如下：

User-agent: *
Allow: .asp$
Disallow: /

11如果我们禁止索引网站中所有的动态页面（这里限制的是有“?”的域名，例如index.asp?id=1）
robots.txt写法如下：

User-agent: *
Disallow: /*?*

有些时候，我们为了节省服务器资源，需要禁止各类搜索引擎来索引我们网站上的图片，这里的办法除了使用“Disallow: /images/”这样的直接屏蔽文件夹的方式之外，还可以采取直接屏蔽图片后缀名的方式。

12如果我们禁止Google搜索引擎抓取我们网站上的所有图片(如果你的网站使用其他后缀的图片名称，在这里也可以直接添加)

robots.txt写法如下：

User-agent: Googlebot
Disallow: .jpg$
Disallow: .jpeg$
Disallow: .gif$
Disallow: .png$
Disallow: .bmp$

13如果我们禁止百度搜索引擎抓取我们网站上的所有图片的话
robots.txt写法如下：

User-agent: Baiduspider
Disallow: .jpg$
Disallow: .jpeg$
Disallow: .gif$
Disallow: .png$
Disallow: .bmp$

14除了百度之外和Google之外，禁止其他搜索引擎抓取你网站的图片
(注意，在这里为了让各位看的更明白，因此使用一个比较笨的办法——对于单个搜索引擎单独定义。)
robots.txt写法如下：

User-agent: Baiduspider
Allow: .jpeg$
Allow: .gif$
Allow: .png$
Allow: .bmp$
User-agent: Googlebot
Allow: .jpeg$
Allow: .gif$
Allow: .png$
Allow: .bmp$
User-agent: *
Disallow: .jpg$
Disallow: .jpeg$
Disallow: .gif$
Disallow: .png$
Disallow: .bmp$

15仅仅允许百度抓取网站上的“JPG”格式文件（其他搜索引擎的办法也和这个一样，只是修改一下搜索引擎的蜘蛛名称即可）
robots.txt写法如下：

User-agent: Baiduspider
Allow: .jpg$
Disallow: .jpeg$
Disallow: .gif$
Disallow: .png$
Disallow: .bmp$

16仅仅禁止百度抓取网站上的“JPG”格式文件
robots.txt写法如下：

User-agent: Baiduspider
Disallow: .jpg$

17如果 ? 表示一个会话 ID，您可排除所有包含该 ID 的网址，确保 Googlebot 不会抓取重复的网页。但是，以 ? 结尾的网址可能是您要包含的网页版本。在此情况下，沃恩可将与 Allow 指令配合使用。
robots.txt写法如下：

User-agent:*
Allow:/*?$
Disallow:/*?
Disallow:/ *?

一行将拦截包含 ? 的网址（具体而言，它将拦截所有以您的域名开头、后接任意字符串，然后是问号 (?)，而后又是任意字符串的网址）。Allow: /*?$ 一行将允许包含任何以 ? 结尾的网址（具体而言，它将允许包含所有以您的域名开头、后接任意字符串，然后是问号 (?)，问号之后没有任何字符的网址）。

18如果我们想禁止搜索引擎对一些目录或者某些URL访问的话，可以截取部分的名字
robots.txt写法如下：

User-agent:*
Disallow: /plus/feedback.php?

robots.txt编写注意事项

在写robots.txt文件时语法一定要用对，User-agent、Disallow、Allow、Sitemap这些词都必须是第一个字母大写，后面的字母小写，而且在:后面必须带一个英文字符下的空格。

网站上线之前切记写robots.txt文件禁止蜘蛛访问网站，如果不会写就先了解清楚写法之后再写，以免给网站收录带来不必要的麻烦。

robots.txt文件生效时间在几天至一个月之间，站长自身无法控制。但是，站长可以在百度统计中查看网站robots.txt文件是否生效。

链接: https://fly63.com/article/detial/1330