robots.txt協議文件設置教程
我們在建設運營網站時，有很多文件和路徑是要對搜索引擎屏蔽的，其中的原因有安全風險、隱私保護、資源浪費等等，這個時候就需要用到robots.txt，這是全球所有搜索引擎都支持的協議文件，也是SEO優化必不可缺的重要環節。
什麼是robots文件？
robots是網絡默認的爬蟲協議，誕生於互聯網初期便於搜索引擎蜘蛛快速識別網站內容的結構和信息，隨着各類網絡爬蟲的發展，現如今的robots已經是默認遵循的爬蟲協議，robots協議並不是一個規範，而只是約定俗成的，所以並不能保證網站的隱私，但是理論上不遵守robots協議的網絡爬蟲都屬於違規行為。
Robots是站點與spider溝通的重要渠道，站點通過robots文件聲明本網站中不想被搜索引擎收錄的部分或者指定搜索引擎只收錄特定的部分。
搜索引擎使用spider程序自動訪問互聯網上的網頁並獲取網頁信息。spider在訪問一個網站時，會首先會檢查該網站的根域下是否有一個叫做 robots.txt的純文本文件，這個文件用於指定spider在您網站上的抓取範圍。您可以在您的網站中創建一個robots.txt，在文件中聲明 該網站中不想被搜索引擎收錄的部分或者指定搜索引擎只收錄特定的部分。
請注意，僅當您的網站包含不希望被搜索引擎收錄的內容時，才需要使用robots.txt文件。如果您希望搜索引擎收錄網站上所有內容，請勿建立robots.txt文件。
robots.txt文件放在哪裏?
robots.txt文件應該放置在網站根目錄下。舉例來說，當spider訪問一個網站（比如 http://www.abc.com）時，首先會檢查該網站中是否存在http://www.abc.com/robots.txt這個文件，如果 Spider找到這個文件，它就會根據這個文件的內容，來確定它訪問權限的範圍。
網站 URL | 相應的 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文件往往放置於根目錄下，包含一條或更多的記錄，這些記錄通過空行分開（以CR,CR/NL, or NL作為結束符），每一條記錄的格式如下所示：
"<field>:<optional space><value><optionalspace>"
在該文件中可以使用#進行註解，具體使用方法和UNIX中的慣例一樣。該文件中的記錄通常以一行或多行User-agent開始，後面加上若幹Disallow和Allow行,詳細情況如下：
User-agent：該項的值用於描述搜索引擎robot的名字。在"robots.txt"文件中，如果有多條User-agent記錄說明有多個robot會受到"robots.txt"的限製，對該文件來說，至少要有一條User-agent記錄。如果該項的值設為*，則對任何robot均有效，在"robots.txt"文件中，"User-agent:*"這樣的記錄只能有一條。如果在"robots.txt"文件中，加入"User-agent:SomeBot"和若幹Disallow、Allow行，那麼名為"SomeBot"只受到"User-agent:SomeBot"後面的 Disallow和Allow行的限製。
Disallow：該項的值用於描述不希望被訪問的一組URL，這個值可以是一條完整的路徑，也可以是路徑的非空前綴，以Disallow項的值開頭的URL不會被 robot訪問。例如"Disallow:/help"禁止robot訪問/help.html、/helpabc.html、/help/index.html，而"Disallow:/help/"則允許robot訪問/help.html、/helpabc.html，不能訪問/help/index.html。"Disallow:"說明允許robot訪問該網站的所有url，在"/robots.txt"文件中，至少要有一條Disallow記錄。如果"/robots.txt"不存在或者為空文件，則對於所有的搜索引擎robot，該網站都是開放的。
Allow：該項的值用於描述希望被訪問的一組URL，與Disallow項相似，這個值可以是一條完整的路徑，也可以是路徑的前綴，以Allow項的值開頭的URL 是允許robot訪問的。例如"Allow:/hibaidu"允許robot訪問/hibaidu.htm、/hibaiducom.html、/hibaidu/com.html。一個網站的所有URL默認是Allow的，所以Allow通常與Disallow搭配使用，實現允許訪問一部分網頁同時禁止訪問其它所有URL的功能。
使用"*"and"$"：Baiduspider支持使用通配符"*"和"$"來模糊匹配url。
"*" 匹配0或多個任意字符
"$" 匹配行結束符。
以上為百度搜索官方給出的robots講解示例，也基本使用所有搜索引擎的robots設置規範。
但是我們在使用robots時要注意避免設置失誤導致網站負面情況，在設置禁止抓取文件路徑和頁面URL地址時一定要準確，不建議用泛路徑字母，比如：ABC*、*CBA、A*B*C，除非已經仔細整理了網站所有文件路徑名稱和頁面URL地址，爲了保密安全隱私文件路徑名稱，單獨設置禁止抓取。