迷失在的南極大陸的台灣黑熊

近期有很多站長咨詢，怎樣正確設置"robots.txt"文件。為了解決廣大站長朋友們的疑問，我們對《Robots.txt 協議標準》進行了翻譯，希望此篇譯文能夠幫助大家對"robots.txt"文件有更深的了解。

Robots.txt 是存放在站點根目錄下的一個純文本文件。雖然它的設置很簡單，但是作用卻很強大。它可以指定搜索引擎蜘蛛只抓取指定的內容，或者是禁止搜索引擎蜘蛛抓取網站的部分或全部內容。

下面我們就來具體介紹一下它的使用方法：

Robots.txt 文件應該放在網站根目錄下，并且該文件是可以通過互聯網進行訪問的。

例如

假如您的網站地址是 http://www.yourdomain.com/

那么，該文件必須能夠通過 http://www.yourdomain.com/robots.txt 打開并看到里面的內容。

格式：

User-agent:

用于描述搜索引擎蜘蛛的名字，在" Robots.txt "文件中，假如有多條User-agent記錄說明有多個搜索引擎蜘蛛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。假如該項的值設為*，則該協議對任何搜索引擎蜘蛛均有效，在" Robots.txt "文件中，"User-agent:*"這樣的記錄只能有一條。

Disallow:

用于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。

舉例：

例一："Disallow:/help"

是指/help.html 和/help/index.html都不答應搜索引擎蜘蛛抓取。

例二："Disallow:/help/"

是指答應搜索引擎蜘蛛抓取/help.html，而不能抓取/help/index.html。

例三：Disallow記錄為空

說明該網站的所有頁面都答應被搜索引擎抓取，在"/robots.txt"文件中，至少要有一條Disallow記錄。

假如"/robots.txt"是一個空文件，則對于所有的搜索引擎蜘蛛，該網站都是開放的可以被抓取的。

#:
Robots.txt 協議中的注釋符。

舉例：

例一：通過"/robots.txt"禁止所有搜索引擎蜘蛛抓取"/bin/cgi/"目錄，以及 "/tmp/"目錄和 /foo.html 文件，設置方法如下：

例二：通過"/robots.txt"只答應某個搜索引擎抓取，而禁止其他的搜索引擎抓取。

如：只答應名為"slurp"的搜索引擎蜘蛛抓取，而拒絕其他的搜索引擎蜘蛛抓取 "/cgi/" 目錄下的內容，設置方法如下：

例三：禁止任何搜索引擎抓取我的網站，設置方法如下：

例四：只禁止某個搜索引擎抓取我的網站

如：只禁止名為“slurp”的搜索引擎蜘蛛抓取，設置方法如下：

更多，請參考譯文出處：http://www.robotstxt.org/wc/norobots.html