robot文件結構
1.什麼是robots.txt文件?
搜索引擎通過一種程序robot（又稱spider），自動訪問互聯網上的網頁並獲取網頁信息。
您可以在您的網站中創建一個純文本文件robots.txt，在這個文件中聲明該網站中不想被robot訪問的部分，這樣，該網站的部分或全部內容就可以不被搜索引擎收錄了，或者指定搜索引擎只收錄指定的內容。
2．robots.txt文件放在哪裏?
robots.txt文件應該放在網站根目錄下。舉例來說，當robots訪問一個網站（比如[url]http://www.abc.com[/url]）時，首先會檢查該網站中是否存
網站 URL 相應的 robots.txt的 URL
[url]http://www.w3.org/[/url] [url]http://www.w3.org/robots.txt[/url]
[url]http://www.w3.org:80/[/url] [url]http://www.w3.org:80/robots.txt[/url]
[url]http://www.w3.org:1234/[/url] [url]http://www.w3.org:1234/robots.txt[/url]
[url]http://w3.org/[/url] [url]http://w3.org/robots.txt[/url]
3.robots.txt文件的格式
"robots.txt"文件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作爲結束符），每一條記錄的格式如下所示：
"<field>:<optionalspace><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，後面加上若干Disallow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會受到該協議的限制，對該文件來說，至少要有一條User-agent記錄。如果該項的值設爲*，則該協議對任何機器人均有效，在"robots.txt"文件中，"User-agent:*"這樣的記錄只能有一條。
Disallow:
該項的值用於描述不希望被訪問到的一個URL，這個URL可以是一條完整的路徑，也可以是部分的，任何以Disallow開頭的URL均不會被robot訪問到。例如"Disallow:/help"對/help.html 和/help/index.html都不允許搜索引擎訪問，而"Disallow:/help/"則允許robot訪問/help.html，而不能訪問/help/index.html。任何一條Disallow記錄爲空，說明該網站的所有部分都允許被訪問，在"/robots.txt"文件中，至少要有一條Disallow記錄。如果"/robots.txt"是一個空文件，則對於所有的搜索引擎robot，該網站都是開放的。
4.robots.txt文件用法舉例
例1. 禁止所有搜索引擎訪問網站的任何部分 User-agent: *
Disallow: /
例2. 允許所有的robot訪問 (或者也可以建一個空文件 "/robots.txt" file) User-agent: *
Disallow:
例3. 禁止某個搜索引擎的訪問 User-agent: BadBot
Disallow: /
例4. 允許某個搜索引擎的訪問 User-agent: baiduspider
Disallow:
User-agent: *
Disallow: /
例5.一個簡單例子
在這個例子中，該網站有三個目錄對搜索引擎的訪問做了限制，即搜索引擎不會訪問這三個目錄。
需要注意的是對每一個目錄必須分開聲明，而不要寫成 "Disallow: /cgi-bin/ /tmp/"。
User-agent:後的*具有特殊的含義，代表"any robot"，所以在該文件中不能有"Disallow: /tmp/*" or "Disallow:*.gif"這樣的記錄出現. User-agent: *
Disallow: /cgi-bin/
Disallow: /tmp/
Disallow: /~joe/
5.robots.txt文件參考資料
robots.txt文件的更具體設置,請參看以下鏈接：
• Web Server Administrator's Guide to the Robots Exclusion Protocol
• HTML Author's Guide to the Robots Exclusion Protocol
• The original 1994 protocol description, as currently deployed
• The revised Internet-Draft specification, which is not yet completed or implemented
6.各搜索引擎的robot
Google：Crawled by Googlebot/2.1 (+[url]http://www.google.com/bot.html[/url])
Baidu：Crawled by Baiduspider+(+[url]http://www.baidu.com/search/spider.htm[/url])
Yahoo：Crawled by Mozilla/5.0 (compatible; Yahoo! Slurp China
MSN： Crawled by msnbot/1.0 (+[url]http://search.msn.com/msnbot.htm[/url])
Sogou： Crawled by sogou spider
中搜：Crawled by User-Agent: Mozilla/4.0 (compatible; MSIE 5.5; Windows NT 5.0)
sina：Crawled by Mozilla/4.0(compatible;MSIE 6.0;Windows NT 5.0;.NET CLR 1.1.432)
本文出自 51CTO.COM技術博客
"robots.txt"文件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作爲結束符），每一條記錄的格式如下所示：
"<field>:<optionalspace><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，後面加上若干Disallow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會受到該協議的限制，對該文件來說，至少要有一條User-agent記錄。如果該項的值設爲*，則該協議對任何機器人均有效，在"robots.txt"文件中，"User-agent:*"這樣的記錄只能有一條。
Disallow:
該項的值用於描述不希望被訪問到的一個URL，這個URL可以是一條完整的路徑，也可以是部分的，任何以Disallow開頭的URL均不會被robot訪問到。例如"Disallow:/help"對/help.html 和/help/index.html都不允許搜索引擎訪問，而"Disallow:/help/"則允許robot訪問/help.html，而不能訪問/help/index.html。任何一條Disallow記錄爲空，說明該網站的所有部分都允許被訪問，在"/robots.txt"文件中，至少要有一條Disallow記錄。如果"/robots.txt"是一個空文件，則對於所有的搜索引擎robot，該網站都是開放的。
4.robots.txt文件用法舉例
例1. 禁止所有搜索引擎訪問網站的任何部分 User-agent: *
Disallow: /
例2. 允許所有的robot訪問 (或者也可以建一個空文件 "/robots.txt" file) User-agent: *
Disallow:
例3. 禁止某個搜索引擎的訪問 User-agent: BadBot
Disallow: /
例4. 允許某個搜索引擎的訪問 User-agent: baiduspider
Disallow:
User-agent: *
Disallow: /
例5.一個簡單例子
在這個例子中，該網站有三個目錄對搜索引擎的訪問做了限制，即搜索引擎不會訪問這三個目錄。
需要注意的是對每一個目錄必須分開聲明，而不要寫成 "Disallow: /cgi-bin/ /tmp/"。
User-agent:後的*具有特殊的含義，代表"any robot"，所以在該文件中不能有"Disallow: /tmp/*" or "Disallow:*.gif"這樣的記錄出現. User-agent: *
Disallow: /cgi-bin/
Disallow: /tmp/
Disallow: /~joe/
5.robots.txt文件參考資料
robots.txt文件的更具體設置,請參看以下鏈接：
• Web Server Administrator's Guide to the Robots Exclusion Protocol
• HTML Author's Guide to the Robots Exclusion Protocol
• The original 1994 protocol description, as currently deployed
• The revised Internet-Draft specification, which is not yet completed or implemented
6.各搜索引擎的robot
Google：Crawled by Googlebot/2.1 (+[url]http://www.google.com/bot.html[/url])
Baidu：Crawled by Baiduspider+(+[url]http://www.baidu.com/search/spider.htm[/url])
Yahoo：Crawled by Mozilla/5.0 (compatible; Yahoo! Slurp China
MSN： Crawled by msnbot/1.0 (+[url]http://search.msn.com/msnbot.htm[/url])
Sogou： Crawled by sogou spider
中搜：Crawled by User-Agent: Mozilla/4.0 (compatible; MSIE 5.5; Windows NT 5.0)
sina：Crawled by Mozilla/4.0(compatible;MSIE 6.0;Windows NT 5.0;.NET CLR 1.1.432)