教你robots文件使用方法屏蔽搜索抓取方法

核心提示：seo可以自由的控制蜘蛛访问网站的内容，这都可以通过robots文件发出指令，搜索引擎基本都是遵照robots协议的，也有seo曾经利用robots文件屏蔽客户网站。

搜索引擎通过一种程序robot（又称spider），自动访问互联网上的网页并获取网页信息。

您可以在您的网站中创建一个纯文本文件，在这个文件中声明该网站中不想被robot访问的部分，这样，该网站的部分或全部内容就可以不被搜索引擎收录了，或者指定搜索引擎只收录指定的内容。文件应该放在网站根目录下。

当一个搜索机器人（有的叫搜索蜘蛛）访问一个站点时，它会首先检查该站点根目录下是否存在，如果存在，搜索机器人就会按照该文件中的内容来确定访问的范围；如果该文件不存在，那么搜索机器人就沿着链接抓取。

文件的格式：

“文件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>:<optionalspace><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 ”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*,则该协议对任何机器人均有效，在“文件中，”User-agent:*“这样的记录只能有一条。

Disallow:

该项的值用于描述不希望被访问到的一个URL,这个URL可以是一条完整的路径，也可以是部分的，任何以Disallow开头的URL均不会被robot 访问到。例如”Disallow:/help“对/ 和/help/都不允许搜索引擎访问，而”Disallow:/help/“则允许robot访问/,而不能访问 /help/.任何一条Disallow记录为空，说明该网站的所有部分都允许被访问，在”/文件中，至少要有一条Disallow记录。如果“/是一个空文件，则对于所有的搜索引擎robot,该网站都是开放的。

文件用法举例：

例1. 禁止所有搜索引擎访问网站的任何部分 下载该文件 User-agent: * Disallow: /

例2. 允许所有的robot访问 （或者也可以建一个空文件 ”/ file） User-agent: *Disallow:

例3. 禁止某个搜索引擎的访问 User-agent: BadBotDisallow: /

例4. 允许某个搜索引擎的访问 User-agent: baiduspiderDisallow: User-agent: *Disallow: /

例 5.一个简单例子  在这个例子中，该网站有三个目录对搜索引擎的访问做了限制，即搜索引擎不会访问这三个目录。  需要注意的是对每一个目录必须分开声明，而不要写成 “Disallow: /cgi-bin/ /tmp/”.  User-agent:后的*具有特殊的含义，代表“any robot”,所以在该文件中不能有“Disallow: /tmp/*” or “Disallow:*.gif”这样的记录出现。 User-agent: *Disallow: /cgi-bin/Disallow: /tmp/Disallow: /~joe/

Robot特殊参数：

1. Google

允许 Googlebot:

如果您要拦截除 Googlebot 以外的所有漫游器访问您的网页，可以使用下列语法：

User-agent:Disallow:/

User-agent:Googlebot

Disallow:

Googlebot 跟随指向它自己的行，而不是指向所有漫游器的行。

“Allow”扩展名：

Googlebot 可识别称为“Allow”的 标准扩展名。其他搜索引擎的漫游器可能无法识别此扩展名，因此请使用您感兴趣的其他搜索引擎进行查找。“Allow”行的作用原理完全与 “Disallow”行一样。只需列出您要允许的目录或页面即可。

您也可以同时使用“Disallow”和“Allow”.例如，要拦截子目录中某个页面之外的其他所有页面，可以使用下列条目：

User-Agent:Googlebot