首先要了解概念。何為robots，robots.txt是一個純文本文件，用于聲明該網(wǎng)站中不想被蜘蛛訪問的部分，或者指定蜘蛛抓取的部分。簡而言之，robots.txt不是規(guī)定，而是一種約定，需要蜘蛛自覺遵守的一種習(xí)俗。

當(dāng)蜘蛛訪問一個站點(diǎn)時，它會首先檢查該站點(diǎn)是否存在robots.txt。如果找到，蜘蛛就會按照該文件中的內(nèi)容來確定抓取的范圍，如果該文件不存在，那么蜘蛛就沿著鏈接直接抓取。

robots.txt的存在路徑：放置在一個站點(diǎn)的根目錄下，而且文件名必須全部小寫。

robots的常見語法：

User-agent：*

是針對哪個搜索引擎蜘蛛。這里的*代表搜索引擎，*是通配符。

Allow

定義的是允許蜘蛛抓取某個欄目或文件

Allow：/cgi-bin/

這里定義的是允許訪問cgi-bin目錄

Allow：/* .htm$

允許訪問以“。htm”為后綴的URL，$指的是匹配行結(jié)束符，*指的是匹配任何字符。

Disallow

定義的是禁止蜘蛛抓取某個欄目或文件

Disallow：/admin/

這里定義是禁止抓取admin目錄

Disallow：/cgi-bin/*.htm

禁止抓取/cgi-bin/目錄下的所有以“。htm”為后綴的URL

Disallow：/*?*

禁止抓取網(wǎng)站中所有包含問號“？”的網(wǎng)址

robots.txt的用法

sitemap：http：//www.google.com/sitemap.xml

sitemap：URL全稱（包含http：//部分）

是告訴搜索引擎蜘蛛這個頁面是網(wǎng)站地圖。

補(bǔ)充：

robots.txt不能刪除搜索引擎中已收錄的頁面，但robots meta標(biāo)簽可以解決這個問題。

robots.txt文件主要是限制整個站點(diǎn)或者目錄的蜘蛛訪問情況，而robots meta標(biāo)簽主要是針對某個具體的頁面。

如：<meta name=“robots”content=“index，follow”>

robots meta標(biāo)簽語法

name=“robots”表示所有的搜索引擎，可以針對某個具體搜索引擎寫為name=“Baiduspider”

content部分有四個指令，以英文逗號隔開

index指令告訴蜘蛛可以抓取該頁面

follow指令表示蜘蛛可以爬行該頁面上的鏈接

共有四種組合：

<meta name=“robots”content=“index,follow”>

<meta name=“robots”content=“noindex,follow”>

<meta name=“robots”content=“index,nofollow”>

<meta name=“robots”content=“noindex,nofollow”>

特殊寫法：

<meta name=“robots”content=“index,follow”>可以寫成<meta name=“robots”content=“all”>

<meta name=“robots”content=“noindex,nofollow”>可以寫成<meta name=“robots”content=“none”>

網(wǎng)站地圖的制作，在織夢后臺可以生成。另外還可以用到老虎地圖工具，用工具去生成。方法可以在工具介紹里查詢。