我们在建设运营网站时，有很多文件和路径是要对搜索引擎屏蔽的，其中的原因有安全风险、隐私保护、资源浪费等等，这个时候就需要用到robots.txt，这是全球所有搜索引擎都支持的协议文件，也是SEO优化必不可缺的重要环节。
什么是robots文件？
robots是网络默认的爬虫协议，诞生于互联网初期便于搜索引擎蜘蛛快速识别网站内容的结构和信息，随着各类网络爬虫的发展，现如今的robots已经是默认遵循的爬虫协议，robots协议并不是一个规范，而只是约定俗成的，所以并不能保证网站的隐私，但是理论上不遵守robots协议的网络爬虫都属于违规行为。
Robots是站点与spider沟通的重要渠道，站点通过robots文件声明本网站中不想被搜索引擎收录的部分或者指定搜索引擎只收录特定的部分。
搜索引擎使用spider程序自动访问互联网上的网页并获取网页信息。spider在访问一个网站时，会首先会检查该网站的根域下是否有一个叫做 robots.txt的纯文本文件，这个文件用于指定spider在您网站上的抓取范围。您可以在您的网站中创建一个robots.txt，在文件中声明 该网站中不想被搜索引擎收录的部分或者指定搜索引擎只收录特定的部分。
请注意，仅当您的网站包含不希望被搜索引擎收录的内容时，才需要使用robots.txt文件。如果您希望搜索引擎收录网站上所有内容，请勿建立robots.txt文件。
robots.txt文件放在哪里?
robots.txt文件应该放置在网站根目录下。举例来说，当spider访问一个网站（比如 http://www.abc.com）时，首先会检查该网站中是否存在http://www.abc.com/robots.txt这个文件，如果 Spider找到这个文件，它就会根据这个文件的内容，来确定它访问权限的范围。
网站 URL | 相应的 robots.txt的 URL |
https://www.seosiguan.com/ | https://www.seosiguan.com/robots.txt |
http://www.seosiguan.com/:80/ | http://www.seosiguan.com/:80/robots.txt |
https://www.seosiguan.com/:443/ | https://www.seosiguan.com/:443/robots.txt |
http://www.seosiguan.com/ | http://www.seosiguan.com/robots.txt |
robots.txt文件的格式
robots文件往往放置于根目录下，包含一条或更多的记录，这些记录通过空行分开（以CR,CR/NL, or NL作为结束符），每一条记录的格式如下所示：
"<field>:<optional space><value><optionalspace>"
在该文件中可以使用#进行注解，具体使用方法和UNIX中的惯例一样。该文件中的记录通常以一行或多行User-agent开始，后面加上若干Disallow和Allow行,详细情况如下：
User-agent：该项的值用于描述搜索引擎robot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"robots.txt"的限制，对该文件来说，至少要有一条User-agent记录。如果该项的值设为*，则对任何robot均有效，在"robots.txt"文件中，"User-agent:*"这样的记录只能有一条。如果在"robots.txt"文件中，加入"User-agent:SomeBot"和若干Disallow、Allow行，那么名为"SomeBot"只受到"User-agent:SomeBot"后面的 Disallow和Allow行的限制。
Disallow：该项的值用于描述不希望被访问的一组URL，这个值可以是一条完整的路径，也可以是路径的非空前缀，以Disallow项的值开头的URL不会被 robot访问。例如"Disallow:/help"禁止robot访问/help.html、/helpabc.html、/help/index.html，而"Disallow:/help/"则允许robot访问/help.html、/helpabc.html，不能访问/help/index.html。"Disallow:"说明允许robot访问该网站的所有url，在"/robots.txt"文件中，至少要有一条Disallow记录。如果"/robots.txt"不存在或者为空文件，则对于所有的搜索引擎robot，该网站都是开放的。
Allow：该项的值用于描述希望被访问的一组URL，与Disallow项相似，这个值可以是一条完整的路径，也可以是路径的前缀，以Allow项的值开头的URL 是允许robot访问的。例如"Allow:/hibaidu"允许robot访问/hibaidu.htm、/hibaiducom.html、/hibaidu/com.html。一个网站的所有URL默认是Allow的，所以Allow通常与Disallow搭配使用，实现允许访问一部分网页同时禁止访问其它所有URL的功能。
使用"*"and"$"：Baiduspider支持使用通配符"*"和"$"来模糊匹配url。
"*" 匹配0或多个任意字符
"$" 匹配行结束符。
以上为百度搜索官方给出的robots讲解示例，也基本使用所有搜索引擎的robots设置规范。
但是我们在使用robots时要注意避免设置失误导致网站负面情况，在设置禁止抓取文件路径和页面URL地址时一定要准确，不建议用泛路径字母，比如：ABC*、*CBA、A*B*C，除非已经仔细整理了网站所有文件路径名称和页面URL地址，为了保密安全隐私文件路径名称，单独设置禁止抓取。
", "content_text": "我们在建设运营网站时，有很多文件和路径是要对搜索引擎屏蔽的，其中的原因有安全风险、隐私保护、资源浪费等等，这个时候就需要用到robots.txt，这是全球所有搜索引擎都支持的协议文件，也是SEO优化必不可缺的重要环节。什么是robots文件？robots是网络默认的爬虫协议，诞生于互联网初期便于搜索引擎蜘蛛快速识别网站内容的结构和信息，随着各类网络爬虫的发展，现如今的robots已经是默认遵循的爬虫协议，robots协议并不是一个规范，而只是约定俗成的，所以并不能保证网站的隐私，但是理论上不遵守robots协议的网络爬虫都属于违规行为。Robots是站点与spider沟通的重要渠道，站点通过robots文件声明本网站中不想被搜索引擎收录的部分或者指定搜索引擎只收录特定的部分。搜索引擎使用spider程序自动访问互联网上的网页并获取网页信息。spider在访问一个网站时，会首先会检查该网站的根域下是否有一个叫做 robots.txt的纯文本文件，这个文件用于指定spider在您网站上的抓取范围。您可以在您的网站中创建一个robots.txt，在文件中声明 该网站中不想被搜索引擎收录的部分或者指定搜索引擎只收录特定的部分。请注意，仅当您的网站包含不希望被搜索引擎收录的内容时，才需要使用robots.txt文件。如果您希望搜索引擎收录网站上所有内容，请勿建立robots.txt文件。robots.txt文件放在哪里?robots.txt文件应该放置在网站根目录下。举例来说，当spider访问一个网站（比如 http://www.abc.com）时，首先会检查该网站中是否存在http://www.abc.com/robots.txt这个文件，如果 Spider找到这个文件，它就会根据这个文件的内容，来确定它访问权限的范围。网站 URL相应的 robots.txt的 URLhttps://www.seosiguan.com/https://www.seosiguan.com/robots.txthttp://www.seosiguan.com/:80/http://www.seosiguan.com/:80/robots.txthttps://www.seosiguan.com/:443/https://www.seosiguan.com/:443/robots.txthttp://www.seosiguan.com/http://www.seosiguan.com/robots.txtrobots.txt文件的格式 robots文件往往放置于根目录下，包含一条或更多的记录，这些记录通过空行分开（以CR,CR/NL, or NL作为结束符），每一条记录的格式如下所示：\"