资料一
1.robots.txt文件是什么
robots.txt是一个纯文本文件，是搜索引擎中访问网站的时候要查看的第一个文件。robots.txt文件告诉蜘蛛程序在服务器上什么文件是可以被查看的。每个站点最好建立一个robots.txt文件，对seo更友好。每当搜索蜘蛛来寻找并不存在的robots.txt文件时，服务器将在日志中记实一条404错误，所以你应该在网站中添加一个robots.txt（即使这个robots.txt文件只是一个空文件）。
2.robots.txt的写法（语法）
1）User-agent: 该项的值用于描述搜索引擎蜘蛛的名字。假如该项的值设为*，则该协议对任何机器人均有效。
2）Disallow: 该项的值用于描述不但愿被访问到的一个URL，一个目录或者整个网站。以Disallow 开头的URL 均不会被搜索引擎蜘蛛访问到。任何一条Disallow 记实为空，说明该网站的所有部门都答应被访问。
3）用法举例：
网站目录下所有文件均能被所有搜索引擎蜘蛛访问
User-agent: *
Disallow:
禁止所有搜索引擎蜘蛛访问网站的任何部门
User-agent: *
Disallow: /
禁止所有的搜索引擎蜘蛛访问网站的几个目录
User-agent: *
Disallow: /a/
Disallow: /b/
禁止搜索引擎蜘蛛访问目录a和目录b
只答应某个搜索引擎蜘蛛访问
User-agent: Googlebot
Disallow:
您应该限制网站某些文件不被蜘蛛抓取。
一般网站中不需要蜘蛛抓取的文件有：后台治理文件、程序脚本、附件、数据库文件、编码文件、样式表文件、模板文件、导航图片和背景图片等等。
3.robots.txt文件带来的风险以及解决
robots.txt 同时也带来了一定的风险：其也给攻击者指明了网站的目录结构和私密数据所在的位置。设置访问权限，对您的隐私内容实施密码保护，这样，攻击者便无从进入。
4.常见搜索引擎蜘蛛Robots名字
Baiduspider ：http://www.baidu.com
Scooter ：http://www.altavista.com
ia_archiver： http://www.alexa.com
Googlebot ：http://www.google.com
Inktomi Slurp ：http://www.yahoo.com
FAST-WebCrawler： http://www.alltheweb.com
Slurp ：http://www.inktomi.com
MSNBOT ：http://search.msn.com
5.留意事项：
1）robots.txt必需放置在站点的根目录下，而且文件名必需全部小写。
2）不要在robots.txt文件中设置所有的文件都可以被搜索蜘蛛抓取。
3）为安全考虑，建议很重要的文件夹不要写在robots.txt文件中，或你只建一个空缺robots.txt文件，在不要访问的目录中加入其它的技术（目前还在探索中……）。
seo会聚网robot.txt文件实例：www.seohj.com/robots.txt。
我们也可以通过Robots META标签来针对一个个详细的页面。关于Robots META标签的具体先容在Robots META标签用法。
1.语法：
<meta name="robots"content="搜索方式">
2.说明：
在该语法中，搜索方式的值和其对应的含义如下:
all:页面将被检索，且页面上的链接可以被查询；
none:页面不能被检索，且页面上的链接不可以被查询；
index:页面将被检索，但不设置链接是否可以被查询；
follow:页面上的链接可以被查询；
noindex:页面不能被检索，但页面上的链接可以被查询；
nofollow:页面能被检索，但页面上的链接却不可以被查询。
3.实例：
该实例设定网页能被检索，但页面上的链接却不可以被查询，代码如下：
<html>
<head>
<title>限制搜索方式</title>
<meta name="robots"content="index">
</head>
<body></body>
</html>
资料二
一．什么是robots.txt文件?
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robots.txt，在这个文件中声明该网站中不想被robot访问的部门，这样，该网站的部门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。
二. robots.txt文件放在哪里?
robots.txt文件应该放在网站根目录下。举例来说，当robots访问一个网站（好比http://www.abc.com）时，首先会检查该网站中是否存在http://www.abc.com/robots.txt这个文件，假如机器人找到这个文件，它就会根据这个文件的内容，来确定它访问权限的范围。
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
三. robots.txt文件的格局
"robots.txt"文件包含一条或更多的记实，这些记实通过空行分开（以CR,CR/NL, or NL作为结束符），每一条记实的格局如下所示：
"<field>:<optionalspace><value><optionalspace>"。
在该文件中可以使用#进行注解，详细使用方法和UNIX中的惯例一样。该文件中的记实通常以一行或多行User-agent开始，后面加上若干Disallow行,具体情况如下：
User-agent:
该项的值用于描述搜索引擎robot的名字，在"robots.txt"文件中，假如有多条User-agent记实说明有多个robot会受到该协议的限制，对该文件来说，至少要有一条User-agent记实。假如该项的值设为*，则该协议对任何机器人均有效，在"robots.txt"文件中，"User-agent：*"这样的记实只能有一条。
Disallow :
该项的值用于描述不但愿被访问到的一个URL，这个URL可以是一条完整的路径，也可以是部门的，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都不答应搜索引擎访问，而"Disallow: /help/"则答应robot访问/help.html，而不能访问/help/index.html。
任何一条Disallow记实为空，说明该网站的所有部门都答应被访问，在"/robots.txt"文件中，至少要有一条Disallow记实。假如"/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。
四. robots.txt文件用法举例
例1. 禁止所有搜索引擎访问网站的任何部门
下载该robots.txt文件
User-agent: *
Disallow: /
例2. 答应所有的robot访问
(或者也可以建一个空文件 "/robots.txt" file)
??
User-agent: *
Disallow:
例3. 禁止某个搜索引擎的访问
User-agent: BadBot
Disallow: /
例4. 答应某个搜索引擎的访问
User-agent: baiduspider
Disallow:
User-agent: *
Disallow: /
例5. 一个简朴例子
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。
需要留意的是对每一个目录必需分开声明，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"这样的记实泛起.
User-agent: *
Disallow: /cgi-bin/
Disallow: /tmp/
Disallow: /~joe/
五. robots.txt文件参考资料
robots.txt文件的更详细设置,请参看以下链接：
· 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
在你的主页中为Web Robot设计路标
Internet越来越酷，WWW的着名度如日中天。在Internet上发布公司信息、进行电子商务已经从时髦演化成时尚。作为一个Web Master，你可能对HTML、java script、Java、 ActiveX了如指掌，但你是否知道什么是Web Robot？你是否知道Web Robot和你所设 计的主页有什么关系？
Internet上的飘流汉--- Web Robot
有时你会莫名其妙地发现你的主页的内容在一个搜索引擎中被索引，即使你从未与他 们有过任何联系。实在这恰是Web Robot的功劳。Web Robot实在是一些程序，它可以 穿越大量Internet网址的超文本结构，递归地检索网络站点所有的内容。这些程序有时被叫 “蜘蛛（Spider）” ， “网上飘流汉（Web Wanderer）”，“网络蠕虫（web worms）”或Web crawler。一些Internet网上着名的搜索引擎站点（Search Engines）都有专门的Web Robot程序来完成信息的采集，例如Lycos，Webcrawler，Altavista等，以及中文搜索引擎站点例如北极星，网易，GOYOYO等。
Web Robot就象一个不速之客，无论你是否在意，它都会忠于自己主人的职责，任劳任怨、不知倦怠地奔波于万维网的空间，当然也会光临你的主页，检索主页内容并天生它所需要的记实格局。或许有的主页内容你乐于众人皆知，但有的内容你却不愿被洞察、索引。岂非你就只能任其“横行”于自己主页空间，能否指挥和控制Web Robot的行踪呢？谜底当然是肯定的。只要你阅读了本篇的下文，就可以象一个交通 警察一样，布置下一个个路标，告诉Web Robot应该怎么去检索你的主页，哪些可以检索，哪些不可以访问。
实在Web Robot能听懂你的话
不要认为Web Robot是毫无组织，毫无管束地乱跑。良多Web Robot软件给网络站点的 治理员或网页内容制作者提供了两种方法来限制Web Robot的行踪：
1、Robots Exclusion Protocol 协议
网络站点的治理员可以在站点上建立一个专门格局的文件，来指出站点上的哪一部门 可以被robot访问, 这个文件放在站点的根目录下，即robots.txt." target="_blank">http://.../robots.txt.
2、Robots META tag
一个网页作者可以使用专门的HTML META tag ，来指出某一个网页是否可以被索 引、分析或链接。
这些方法适合于大多数的Web Robot，至于是否在软件中实施了这些方法，还依靠于 Robot的开发者，并非可以保证对任何Robot都灵验。假如你迫切需要保护自己内容，则应考虑采用诸如增加密码等其他保护方法。
使用Robots Exclusion Protocol协议
当Robot访问一个 Web 站点时，好比http://www.sti.net.cn/，它先去检查文件robots.txt" target="_blank">http://www.sti.net.cn/robots.txt。假如这个文件存在，它便会按照这样的记实格局去分析：
User-agent: *
Disallow: /cgi-bin/
Disallow: /tmp/
Disallow: /~joe/
以确定它是否应该检索站点的文件。这些记实是专门给Web Robot看的，一般的浏览者大概永远不会看到这个文件，所以千万不要异想天开地在里面加入形似<img src=*> 类的HTML语句或是“How do you do? where are you from?”之类假情假意的问候语。
在一个站点上只能有一个 "/robots.txt" 文件，而且文件名的每个字母要责备部是小 写。在Robot的记实格局中每一个单独的"Disallow"行表示你不但愿Robot访问的URL， 每个URL必需单独有一行，不能泛起 "Disallow: /cgi-bin/ /tmp/"这样的病句。同时在一个记实中不能泛起空行，这是由于空行是多个记实分割的标志。
User-agent行指出的是Robot或其他代办代理的名称。在User-agent行，''*'' 表示一个特殊的含义---所有的robot。
下面是几个robot.txt的例子：
在整个服务器上拒绝所有的robots：
User-agent: *
Disallow: /
答应所有的robots访问整个站点：
User-agent: *
Disallow:
或者产生一个空的 "/robots.txt" 文件。
服务器的部门内容答应所有的robot访问
User-agent: *
Disallow: /cgi-bin/
Disallow: /tmp/
Disallow: /private/
拒绝某一个专门的robot：
User-agent: BadBot
Disallow: /
只答应某一个robot光顾：
User-agent: WebCrawler
Disallow:
User-agent: *
Disallow: /
最后我们给出 http://www.w3.org/站点上的robots.txt：
# For use by search.w3.org
User-agent: W3Crobot/1
Disallow:
User-agent: *
Disallow: /Member/ # This is restricted to W3C Members only
Disallow: /member/ # This is restricted to W3C Members only
Disallow: /team/ # This is restricted to W3C Team only
Disallow: /TandS/Member # This is restricted to W3C Members only
Disallow: /TandS/Team # This is restricted to W3C Team only
Disallow: /Project
Disallow: /Systems
Disallow: /Web
Disallow: /Team
使用Robots META tag方式
Robots META tag 答应HTML网页作者指出某一页是否可以被索引，或是否可以用来查找更多的链接文件。目前只有部门robot实施了这一功能。
Robots META tag的格局为：
<META NAME="ROBOTS" CONTENT="NOINDEX, NOFOLLOW">
象其他的META tag一样，它应该放在HTML文件的HEAD区：
<html>
<head>
<meta name="robots" content="noindex,nofollow">
<meta name="description" content="This page ....">
<title>...</title>
</head>
<body>
...
Robots META tag指令使用逗号隔开，可以使用的指令包括 [NO]INDEX 和[NO]FOLLOW。INDEX 指令指出一个索引性robot是否可以对本页进行索引；FOLLOW 指 令指出robot是否可以跟踪本页的链接。缺省的情况是INDEX和FOLLOW。例如：
<meta name="robots" content="index,follow">
<meta name="robots" content="noindex,follow">
<meta name="robots" content="index,nofollow">
<meta name="robots" content="noindex,nofollow">
一个好的Web 站点治理员应该将robot的治理考虑在内，使robot为自己的主页服务， 同时又不损害自己网页的安全
资料三
什么是robots.txt？
robots.txt
robots.txt是搜索引擎中访问网站的时候要查看的第一个文件。robots.txt文件告诉蜘蛛程序在服务器上什么文件是可以被查看的。
当一个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robots.txt，假如存在，搜索机器人就会按照该文件中的内容来确定访问的范围；假如该文件不存在，所有的搜索蜘蛛将能够访问网站上所有没有被口令保护的页面。百度官方建议，仅当您的网站包含不但愿被搜索引擎收录的内容时，才需要使用robots.txt文件。假如您但愿搜索引擎收录网站上所有内容，请勿建立robots.txt文件。
robots.txt必需放置在一个站点的根目录下，而且文件名必需全部小写。
语法：最简朴的 robots.txt 文件使用两条规则：
? User-Agent: 合用下列规则的周游器
? Disallow: 要拦截的网页
robots.txt在SEO中作用
在进行网站优化的时候，常常会使用robots文件把一些内容不想让蜘蛛抓取，以前写过一篇网站优化robots.txt文件的运用, 现在写这编文章在增补一点点知识！什么是robots.txt文件
搜索引擎通过一种爬虫spider程序（又称搜索蜘蛛、robot、搜索机器人等），自动搜集互联网上的网页并获取相关信息。
鉴于网络安全与隐私的考虑，搜索引擎遵循robots.txt协议。通过根目录中创建的纯文本文件robots.txt，网站可以声明不想被robots访问的部门。每个网站都可以自主控制网站是否愿意被搜索引擎收录，或者指定搜索引擎只收录指定的内容。当一个搜索引擎的爬虫访问一个站点时，它会首先检查该站点根目录下是否存在robots.txt，假如该文件不存在，那么爬虫就沿着链接抓取，假如存在，爬虫就会按照该文件中的内容来确定访问的范围。
robots.txt必需放置在一个站点的根目录下，而且文件名必需全部小写。robots.txt文件的格局
User-agent: 定义搜索引擎的类型
Disallow: 定义禁止搜索引擎收录的地址
Allow: 定义答应搜索引擎收录的地址
我们常用的搜索引擎类型有： (User-agent区分大小写)
google蜘蛛：Googlebot
百度蜘蛛：Baiduspider
yahoo蜘蛛：Yahoo!slurp
alexa蜘蛛：ia_archiver
bing蜘蛛：MSNbot
altavista蜘蛛：scooter
lycos蜘蛛：lycos_spider_(t-rex)
alltheweb蜘蛛：fast-webcrawler
inktomi蜘蛛： slurp
Soso蜘蛛:Sosospider
Google Adsense蜘蛛:Mediapartners-Google
有道蜘蛛:YoudaoBot
robots.txt文件的写法
User-agent: * 这里的*代表的所有的搜索引擎种类，*是一个通配符
Disallow: /admin/ 这里定义是禁止爬寻admin目录下面的目录
Disallow: /require/ 这里定义是禁止爬寻require目录下面的目录
Disallow: /ABC/ 这里定义是禁止爬寻ABC目录下面的目录
Disallow: /cgi-bin/*.htm 禁止访问/cgi-bin/目录下的所有以".htm"为后缀的URL(包含子目录)。
Disallow: /*?* 禁止访问网站中所有的动态页面
Disallow: /jpg$ 禁止抓取网页所有的.jpg格局的图片
Disallow:/ab/adc.html 禁止爬去ab文件夹下面的adc.html文件。
Allow: /cgi-bin/ 这里定义是答应爬寻cgi-bin目录下面的目录
Allow: /tmp 这里定义是答应爬寻tmp的整个目录
Allow: .htm$ 仅答应访问以".htm"为后缀的URL。
Allow: .gif$ 答应抓取网页和gif格局图片
robots.txt文件用法举例
例1. 禁止所有搜索引擎访问网站的任何部门
User-agent: *
Disallow: /
实例分析：淘宝网的 Robots.txt文件
User-agent: Baiduspider
Disallow: /
User-agent: baiduspider
Disallow: /
很显然淘宝不答应百度的机器人访问其网站下其所有的目录。
例2. 答应所有的robot访问 (或者也可以建一个空文件 “/robots.txt” file)
User-agent: *
Allow:
例3. 禁止某个搜索引擎的访问
User-agent: BadBot
Disallow: /
例4. 答应某个搜索引擎的访问
User-agent: Baiduspider
allow:/
例5.一个简朴例子
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。
需要留意的是对每一个目录必需分开声明，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”这样的记实泛起。
User-agent: *
Disallow: /cgi-bin/
Disallow: /tmp/
Disallow: /~joe/
Robot特殊参数：
答应 Googlebot：
假如您要拦截除 Googlebot 以外的所有周游器不能访问您的网页，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，而不是指向所有周游器的行。
“Allow”扩展名：
Googlebot 可识别称为“Allow”的 robots.txt 尺度扩展名。其他搜索引擎的周游器可能无法识别此扩展名，因此请使用您感爱好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。只需列出您要答应的目录或页面即可。
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
Disallow:/folder1/
Allow:/folder1/myfile.html
这些条目将拦截 folder1 目录内除 myfile.html 之外的所有页面。
假如您要拦截 Googlebot 并答应 Google 的另一个周游器（如 Googlebot-Mobile），可使用”Allow”规则答应该周游器的访问。例如：
User-agent:Googlebot
Disallow:/
User-agent:Googlebot-Mobile
Allow:
使用 * 号匹配字符序列：
您可使用星号 (*) 来匹配字符序列。例如，要拦截对所有以 private 开头的子目录的访问，可使用下列条目：
User-Agent:Googlebot
Disallow:/private*/
要拦截对所有包含问号 (?) 的网址的访问，可使用下列条目：
User-agent:*
Disallow:/*?*
使用 $ 匹配网址的结束字符
您可使用 $ 字符指定与网址的结束字符进行匹配。例如，要拦截以 .asp 结尾的网址，可使用下列条目：
User-agent:Googlebot
Disallow:/*.asp$
您可将此模式匹配与 Allow 指令配合使用。例如，假如 ? 表示一个会话 ID，您可排除所有包含该 ID 的网址，确保 Googlebot 不会抓取重复的网页。但是，以 ? 结尾的网址可能是您要包含的网页版本。在此情况下，可对 robots.txt 文件进行如下设置：
User-agent:*
Allow:/*?$
Disallow:/*?
Disallow:/ *?
一行将拦截包含 ? 的网址（详细而言，它将拦截所有以您的域名开头、后接任意字符串，然后是问号 (?)，而后又是任意字符串的网址）。
Allow: /*?$ 一行将答应包含任何以 ? 结尾的网址（详细而言，它将答应包含所有以您的域名开头、后接任意字符串，然后是问号 (?)，问号之后没有任何字符的网址）。
Robots Meta标签
Robots.txt文件主要是限制整个站点或者目录的搜索引擎访问情况，而Robots Meta标签则主要是针对一个个详细的页面。和其他的META标签（如使用的语言、页面的描述、枢纽词等）一样，Robots Meta标签也是放在页面中，专门用来告诉搜索引擎ROBOTS如何抓取该页的内容。
Robots Meta标签中没有大小写之分，name=”Robots”表示所有的搜索引擎，可以针对某个详细搜索引擎写为name=”BaiduSpider”。content部门有四个指令选项：index、noindex、follow、nofollow，指令间以“,”分隔。
index指令告诉搜索机器人抓取该页面；
follow指令表示搜索机器人可以沿着该页面上的链接继承抓取下去；
Robots Meta标签的缺省值是index和follow，只有inktomi除外，对于它，缺省值是index、nofollow。
需要留意的是：
上述的robots.txt和Robots Meta标签限制搜索引擎机器人（ROBOTS）抓取站点内容的办法只是一种规则，需要搜索引擎机器人的配合才行，并不是每个ROBOTS都遵守的。
目前看来，绝大多数的搜索引擎机器人都遵守robots.txt的规则，而对于RobotsMETA标签，目前支持的并未几，但是正在逐渐增加，如闻名搜索引擎GOOGLE就完全支持，而且GOOGLE还增加了一个指令“archive”，可以限制GOOGLE是否留存网页快照。
编纂本段robots.txt使用误区
特别提示：robots里面内容的大小写不可更改，Disallow后面的冒号必需为英文状态的。
误区一
网站上所有的文件都需要被蜘蛛抓取，那就没必要添加robots.txt文件了。反正假如该文件不存在，所有的搜索蜘蛛将默认能够访问网站上所有没有被口令保护的页面。
误区二
在robots.txt文件中设置所有的文件都可以被搜索蜘蛛抓取，这样可以增加网站的收录率。
网站中的脚本程序、样式表等文件即使被蜘蛛收录，也不会增加网站的收录率，还只会占用服务器存储空间。因此必需在robots.txt文件里设置不要让搜索蜘蛛索引脚本程序、样式表等文件，详细哪些文件需要排除，在robots.txt使用技巧一文中有具体先容。
误区三
搜索蜘蛛抓取网页太铺张服务器资源，在robots.txt文件中设置所有的搜索蜘蛛都不能抓取全部的网页。
假如这样的话，会导致整个网站不能被搜索引擎收录。
编纂本段robots.txt使用技巧
文件
1. 每当用户试图访问某个不存在的URL时，服务器都会在日志中记实404错误（无法找到文件）。每当搜索蜘蛛来寻找并不存在的robots.txt文件时，服务器也将在日志中记实一条404错误，所以你应该在网站中添加一个robots.txt。
2. 网站治理员必需使蜘蛛程序阔别某些服务器上的目录——保证服务器机能。好比：大多数网站服务器都有程序储存在“cgi-bin”目录下，因此在robots.txt文件中加入“Disallow: /cgi-bin/”是个好主意，这样能够避免将所有程序文件被蜘蛛索引，可以节省服务器资源。一般网站中不需要蜘蛛抓取的文件有：后台治理文件、程序脚本、附件、数据库文件、编码文件、样式表文件、模板文件、导航图片和背景图片等等。
下面是VeryCMS里的robots.txt文件：
User-agent: *
Disallow: /admin/ 后台治理文件
Disallow: /require/ 程序文件
Disallow: /attachment/ 附件
Disallow: /images/ 图片
Disallow: /data/ 数据库文件
Disallow: /template/ 模板文件
Disallow: /css/ 样式表文件
Disallow: /lang/ 编码文件
Disallow: /script/ 脚本文件
3. 假如你的网站是动态网页，并且你为这些动态网页创建了静态副本，以供搜索蜘蛛更轻易抓取。那么你需要在robots.txt文件里设置避免动态网页被蜘蛛索引，以保证这些网页不会被视为含重复内容。
4. robots.txt文件里还可以直接包括在sitemap文件的链接。就像这样：
Sitemap: http://www.***.com/sitemap.xml
(此处请填写XML舆图的绝对路径，即完整URL，假如按习惯填写Sitemap: /sitemap.xml，提交后会提示：检测到无效的 Sitemap 网址；语法错误。
XML舆图必需在网站根目录下才有效。)
目前对此表示支持的搜索引擎公司有Google, Yahoo, Ask and MSN。而中文搜索引擎公司，显然不在这个圈子内。这样做的好处是，站长不用到每个搜索引擎的站长工具或者相似的站长部门，去提交自己的sitemap文件，搜索引擎的蜘蛛自己就会抓取robots.txt文件，读取其中的sitemap路径，接着抓取其中相链接的网页。
5. 公道使用robots.txt文件还能避免访问时犯错。好比，不能让搜索者直接进入购物车页面。由于没有理由使购物车被收录，所以你可以在robots.txt文件里设置来阻止搜索者直接进入购物车页面。
robots.txt文件的格局
"robots.txt"文件包含一条或更多的记实，这些记实通过空行分开（以CR,CR/NL, or NL作为结束符），每一条记实的格局如下所示：
"<field>:<optionalspace><value><optionalspace>"。
在该文件中可以使用#进行注解，详细使用方法和UNIX中的惯例一样。该文件中的记实通常以一行或多行User-agent开始，后面加上若干Disallow和Allow行,具体情况如下：
User-agent:
该项的值用于描述搜索引擎robot的名字。在"robots.txt"文件中，假如有多条User-agent记实说明有多个robot会受到"robots.txt"的限制，对该文件来说，至少要有一条User-agent记实。假如该项的值设为*，则对任何robot均有效，在"robots.txt"文件中，"User-agent:*"这样的记实只能有一条。假如在"robots.txt"文件中，加入"User-agent:SomeBot"和若干Disallow、Allow行，那么名为"SomeBot"只受到"User-agent:SomeBot"后面的Disallow和Allow行的限制。
Disallow:
该项的值用于描述不但愿被访问的一组URL，这个值可以是一条完整的路径，也可以是路径的非空前缀，以Disallow项的值开头的URL不会被robot访问。例如"Disallow:/help"禁止robot访问/help.html、/helpabc.html、/help/index.html，而"Disallow:/help/"则答应robot访问/help.html、/helpabc.html，不能访问/help/index.html。"Disallow:"说明答应robot访问该网站的所有url，在"/robots.txt"文件中，至少要有一条Disallow记实。假如"/robots.txt"不存在或者为空文件，则对于所有的搜索引擎robot，该网站都是开放的。
Allow:
该项的值用于描述但愿被访问的一组URL，与Disallow项相似，这个值可以是一条完整的路径，也可以是路径的前缀，以Allow项的值开头的URL是答应robot访问的。例如"Allow:/hibaidu"答应robot访问/hibaidu.htm、/hibaiducom.html、/hibaidu/com.html。一个网站的所有URL默认是Allow的，所以Allow通常与Disallow搭配使用，实现答应访问一部门网页同时禁止访问其它所有URL的功能。
需要特别留意的是Disallow与Allow行的顺序是有意义的，robot会根据第一个匹配成功的Allow或Disallow行确定是否访问某个URL。
使用"*"和"$"：
Baiduspider支持使用通配符"*"和"$"来恍惚匹配url。
"$" 匹配行结束符。
"*" 匹配0或多个任意字符。
robots.txt文件字符编码
robots.txt使用什么字符编码，并没有相关划定，都是各搜索引擎自已定义的。固然google和其它搜索引擎建议大家使用 utf-8 字符编码格局的robots.txt，但几乎所有的搜索引擎都支持 ANSI 编码格局，而google自已对 utf-8 编码格局的robots.txt，会泛起首字乱码。所认为了达到最大的兼容性，建议大家使用 ANSI 格局编码，或者使用 utf-8 编码格局，但需要空出首行。
还有一个建议就是robots.txt中最好不要泛起中文，即使是注释也要使用英文。
robots.txt文件用法举例
例1.禁止所有搜索引擎访问网站的任何部门 User-agent: *
Disallow: /
例2.答应所有的robot访问
(或者也可以建一个空文件 "/robots.txt") 第1种写法
User-agent: *
Allow: /
第2种写法
User-agent: *
Allow:
第3种写法
User-agent: *
Disallow:
例3. 仅禁止Baiduspider访问您的网站 User-agent: Baiduspider
Disallow: /
例4. 仅答应Baiduspider访问您的网站 User-agent: Baiduspider
Allow: /
例5. 禁止spider访问特定目录
在这个例子中，该网站有三个目录对搜索引擎的访问做了限制，即robot不会访问这三个目录。需要留意的是对每一个目录必需分开声明，而不能写成 "Disallow: /cgi-bin/ /tmp/"。 User-agent: *
Disallow: /cgi-bin/
Disallow: /tmp/
Disallow: /~joe/
例6. 答应访问特定目录中的部门url User-agent: *
Allow: /cgi-bin/see
Allow: /tmp/hi
Allow: /~joe/look
例7. 使用"*"限制访问url
禁止访问/cgi-bin/目录下的所有以".htm"为后缀的URL(包含子目录)。
User-agent: *
Disallow: /cgi-bin/*.htm
例8. 使用"$"限制访问url
仅答应访问以".htm"为后缀的URL。 User-agent: *
Allow: / .htm$
例9. 禁止访问网站中所有的动态页面 User-agent: *
Disallow: /*?*
例10. 禁止Baiduspider抓取网站上所有图片
仅答应抓取网页，禁止抓取任何图片。 User-agent: Baiduspider
Disallow: /*.jpg$
Disallow: /* .jpeg$
Disallow: /* .gif$
Disallow: /* .png$
Disallow: /*.bmp$
例11. 仅答应Baiduspider抓取网页和。gif格局图片
答应抓取网页和gif格局图片，不答应抓取其他格局图片 User-agent: Baiduspider
Allow: .gif$
Disallow: /.jpg$
Disallow: / .jpeg$
Disallow: / .png$
Disallow: /.bmp$
例12. 仅禁止Baiduspider抓取。jpg格局图片 User-agent: /Baiduspider
Disallow: /.jpg$
百度各个产品使用不同的user-agent：
无线搜索 Baiduspider-mobile
图片搜索 Baiduspider-image
视频搜索 Baiduspider-video
新闻搜索 Baiduspider-news
百度搜藏 Baiduspider-favo
百度同盟 Baiduspider-cpro
商务搜索 Baiduspider-ads
网页以及其他搜索 Baiduspider
