一.robots.txt具體作用
1.對搜索引擎做出規定，抓取或者不抓取。
2.由于有些信息規定了不讓抓取，所以可以保護到一些必要的信息，比如：網站后臺，用戶信息。

3.節省搜索引擎抓取資源。

 

二.robots.txt規則
1.User-agent，用于告訴識別蜘蛛類型。比如，User-agent: Baiduspider 就是指百度蜘蛛。
各類蜘蛛列舉如下：
百度蜘蛛：Baiduspider
谷歌機器人：GoogleBot
360蜘蛛：360Spider
搜狗蜘蛛：Sogou News Spider
雅虎蜘蛛：“Yahoo! Slurp China” 或者 Yahoo!
有道蜘蛛：Youdaobot 或者 Yodaobot
Soso蜘蛛：Sosospider
2.Allow，允許蜘蛛抓取指定目錄或文件，默認是允許抓取所有。
3.Disallow，不允許蜘蛛抓取指定目錄或文件。
4.通配符，“*”，匹配0或多個任意字符。
5.終止符，“$”，可以匹配以指定字符結尾的字符。
舉個例子：下面是一個wordpress程序的robots.txt
User-agent: *
Disallow: /wp-admin/
Disallow: /wp-includes/
Disallow: /wp-content/plugins
Disallow: /wp-content/themes
Disallow: /feed
Disallow: /*/feed
Disallow: /comments/feed
Disallow: /*.js$
Disallow: /*?*
Sitemap: http://www.znbo.com/sitemap.xml
解釋：
User-agent: *：對所有搜索引擎都使用下面的規則。
Disallow: /wp-admin/：不讓蜘蛛抓取根目錄下的wp-admin文件夾。
Disallow: /*.js$：不讓蜘蛛抓取根目錄下所有的js文件。
Disallow: /*?*：不抓取所有的動態鏈接。

Sitemap: http://www.znbo.com/sitemap.xml：給蜘蛛提供網站地圖，方便蜘蛛抓取網站內容。

 

三.robots.txt注意事項
1.如果你希望搜索引擎收錄網站上所有的內容，那么就不要建立robots.txt文件。
2.如果同時存在動態和靜態鏈接，那么建議屏蔽動態鏈接。
3.robots.txt只能是屏蔽站內文件的，對站外文件沒有屏蔽功能。
4.User-agent，Allow，Disallow，Sitemap的首字母都是大寫的。
5.User-agent，Allow，Disallow，Sitemap的冒號后面都是有空格的，沒有寫空格直接寫接下來的內容會出錯。
6.網站通常會屏蔽搜索結果頁面。因為搜索結果頁和正常展示的內容頁相比，標題和內容上相同的，而這兩個頁面鏈接是不同的。那搜索引擎該將這篇文章歸屬于哪個內鏈呢?這樣就會造成內鏈之間相互競爭，造成內部資源損耗。
比如上面舉的例子，那個wordpress程序，在沒有設置偽靜態，還是動態鏈接的時候，搜索結果頁面鏈接都包含有/?s=，而 標題和內容 與 正常展示的動態鏈接內容頁重復，可以通過Disallow: /?=*來屏蔽搜索結果頁面。
而現在那個wordpress程序已經設置了偽靜態，也設置了Disallow: /*?*，Disallow: /*?*本身就包含了Disallow: /?=*，所以Disallow: /?=*這句寫不寫都沒有關系
7.建議屏蔽js文件。Disallow: /*.js$，以 .js 結尾的路徑統統被屏蔽，這樣就屏蔽了js文件。
8.路徑是區分大小寫的。Disallow: /ab/ 和 Disallow: /Ab/ 是不一樣的。
9.robots.txt會暴露網站相關目錄，寫robots.txt時要考慮到這一點。
10.有些seo會將文件直接備份在服務器中，文件是 .zip 格式，然后在robots.txt中屏蔽。個人不建議這樣，這就是明顯告訴人家你的備份文件位置。建議文件和數據都備份到本地。
11.一些特殊規則對比：
①Disallow: /和Disallow: / ab (/后面有個空格，再有ab)是一樣的，/后面多了個空格，蜘蛛之認空格前面那一段，就是Disallow: /，所以兩個都是屏蔽整站的。
②Disallow: /ab和Disallow: /ab*是一樣的。比如兩個都能屏蔽http://域名/ab，http://域名/abc，http://域名/abcd。
③Disallow: /ab/和Disallow: /ab是不一樣的。很明顯，Disallow: /ab范圍更廣，包含了Disallow: /ab/。因為Disallow: /ab/只能屏蔽http：//域名/ab/，http：//域名/ab/....這樣的路徑，也就是只能屏蔽ab目錄和ab目錄下的文件不被蜘蛛抓取。