一、 robots.txt

　　1、 什么是robots.txt?

　　robots.txt是一个纯文本文件，通过在这个文件中声明该网站中不想被robots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。

　　当一个搜索机器人访问一个站点时，它会首先检查该站点根目录下是否存在robots.txt，如果找到，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。

　　robots.txt必须放置在一个站点的根目录下，而且文件名必须全部小写。

　　网站 url

　　相应的 robots.txt的 url

　　http://www.w3.org/

　　http://www.w3.org/robots.txt

　　http://www.w3.org:80/

　　http://www.w3.org:80/robots.txt

　　http://www.w3.org:1234/

　　http://www.w3.org:1234/robots.txt

　　http://w3.org/

　　http://w3.org/robots.txt

　　2、 robots.txt的语法

　　"robots.txt"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"robots.txt"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"robots.txt"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/help.html 和/help/index.html都不允许搜索引擎访问，而"disallow: /help/"则允许robot访问/help.html，而不能访问/help/index.html。

　　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"/robots.txt"文件中，至少要有一条disallow记录。如果 "/robots.txt"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。

　　下面是一些robots.txt基本的用法:

　　l 禁止所有搜索引擎访问网站的任何部分:

　　user-agent: *

　　disallow: /

　　l 允许所有的robot访问

　　user-agent: *

　　disallow:

　　或者也可以建一个空文件 "/robots.txt" file

　　l 禁止所有搜索引擎访问网站的几个部分(下例中的cgi-bin、tmp、private目录)

　　user-agent: *

　　disallow: /cgi-bin/

　　disallow: /tmp/

　　disallow: /private/

　　l 禁止某个搜索引擎的访问(下例中的badbot)

　　user-agent: badbot

　　disallow: /

　　l 只允许某个搜索引擎的访问(下例中的webcrawler)

　　user-agent: webcrawler

　　disallow:

　　user-agent: *

　　disallow: /

　　3、 常见搜索引擎机器人robots名字

　　名称 搜索引擎

　　baiduspiderhttp://www.baidu.com

　　scooterhttp://www.altavista.com

　　ia_archiverhttp://www.alexa.com

　　googlebothttp://www.google.com

　　fast-webcrawlerhttp://www.alltheweb.com

　　slurphttp://www.inktomi.com

　　msnbothttp://search.msn.com

　　4、 robots.txt举例

　　下面是一些著名站点的robots.txt:

　　http://www.cnn.com/robots.txt

　　http://www.google.com/robots.txt

　　http://www.ibm.com/robots.txt