Robots协议的书写

robots.txt是一个纯文本文件，是搜索引擎蜘蛛爬行网站的时候要访问的第一个文件，当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，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，相当于网站与搜索引蜘蛛遵循协议，如果该文件不存在，所有的搜索蜘蛛将能够访问网站上所有没有被屏蔽的网页。
　robots的语法：
　　1、User-agent 定义搜索引擎。一般情况下，网站里面都是：User-agent: ，这里的意思是所有，表示定义所有的搜索引擎。比如，我想定义百度，那么就是User-agent: Baiduspider;定义google，User-agent: Googlebot。
　　2、Disallow 禁止爬取。如，我想禁止爬取我的admin文件夹，那就是Disallow: /admin/。禁止爬取admin文件夹下的login.html，
　　Disallow: /admin/login.html。
　　3、Allow 允许。我们都知道，在默认情况下，都是允许的。那为什么还要允许这个语法呢?举个例子：我想禁止admin文件夹下的所有文件，除了.html的网页，那怎么写呢?我们知道可以用Disallow一个一个禁止，但那样太费时间很精力了。这时候运用Allow就解决了复杂的问题，就这样写：
　　Allow: /admin/.html$
　　Disallow: /admin/。
　　4、$ 结束符。例：Disallow: .php$ 这句话的意思是，屏蔽所有的以.php结尾的文件，不管前面有多长的URL，如abc/aa/bb//index.php也是屏蔽的。
　　5、* 通配符符号0或多个任意字符。例：Disallow: ? 这里的意思是屏蔽所有带“?”文件，也是屏蔽所有的动态URL。
　　robots.txt文件写法举例说明
　　禁止Google/百度等所有搜索引擎访问整个网站
　　User-agent: *
　　Disallow: /
　　允许所有的搜索引擎spider访问整个网站(Disallow:可以用Allow: /替代)
　　User-agent: *
　　Disallow:
　　禁止Baiduspider访问您的网站，Google等其他搜索引擎不阻止
　　User-agent: Baiduspider
　　Disallow: /
　　只允许Google spider： Googlebot访问您的网站，禁止百度等其他搜索引擎
　　User-agent: Googlebot
　　Disallow:
　　User-agent: *
　　Disallow: /
　　禁止搜索引擎蜘蛛spider访问指定目录
　　　　(spider不访问这几个目录。每个目录要分开声明，不能合在一起)
　　User-agent: *
　　Disallow: /cgi-bin/
　　Disallow: /admin/
　　Disallow: /~jjjj/
　　禁止搜索引擎spider访问指定目录，但允许访问该指定目录的某个子目录
　　User-agent: *
　　Allow: /admin/far
　　Disallow: /admin/
　　使用通配符星号""设置禁止访问的url
　　　　 (禁止所有搜索引擎抓取/cgi-bin/目录下的所有以".html"格式的网页(包含子目录))
　　User-agent: *
　　Disallow: /cgi-bin/.html
　　使用美元符号"$"设置禁止访问某一后缀的文件
　　　　 (只允许访问以".html"格式的网页文件。)
　　User-agent: *
　　Allow: .html$
　　Disallow: /
　　阻止google、百度等所有搜索引擎访问网站中所有带有?的动态网址页面
　　User-agent: *
　　Disallow: /?
　　阻止Google spider：Googlebot访问网站上某种格式的图片
　　　　(禁止访问.jpg 格式的图片)
　　User-agent: Googlebot
　　Disallow: .jpg$
　　只允许Google spider：Googlebot抓取网页和.gif格式图片
　　　　 (Googlebot只能抓取gif格式的图片和网页，其他格式的图片被禁止；
　　 其他搜索引擎未设置)
　　User-agent: Googlebot
　　Allow: .gif$
　　Disallow: .jpg$
　　.......
　　只禁止Google spider：Googlebot抓取.jpg格式图片
　　 (其他搜索引擎和其他格式图片没有禁止)
　　User-agent: Googlebot
　　Disallow: .jpg$

国内的搜索引擎蜘蛛
　　百度蜘蛛：baiduspider
　　搜狗蜘蛛：sogou spider
　　有道蜘蛛：YodaoBot和OutfoxBot
　　搜搜蜘蛛： Sosospider
　　国外的搜索引擎蜘蛛
　　google蜘蛛： googlebot
　　yahoo蜘蛛：Yahoo！ Slurp
　　alexa蜘蛛：ia_archiver
　　bing蜘蛛（MSN）：msnbot