spidertxtRobots.txt文件是什么文件

robots.txt代码设置什么，如何设置它

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。

robots.txt文件的格式 　　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: 定义允许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格式的图片 　　Disallow:/ab/adc.html 禁止爬去ab文件夹下面的adc.html文件。

　　Allow: /cgi-bin/　这里定义是允许爬寻cgi-bin目录下面的目录 　　Allow: /tmp 这里定义是允许爬寻tmp的整个目录 　　Allow: .htm$ 仅允许访问以".htm"为后缀的URL。

　　Allow: .gif$ 允许抓取网页和gif格式图片 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分 　　User-agent: * 　　Disallow: / 　　实例分析：淘宝网的 Robots.txt文件 　　User-agent: Baiduspider 　　Disallow: / 　　User-agent: baiduspider 　　Disallow: / 　　很显然淘宝不允许百度的机器人访问其网站下其所有的目录。

　　例2. 允许所有的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. 允许某个搜索引擎的访问 　　User-agent: Baiduspider 　　allow:/ 　　例5.一个简单例子 　　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。

　　需要注意的是对每一个目录必须分开声明，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”这样的记录出现。

　　User-agent: * 　　Disallow: /cgi-bin/ 　　Disallow: /tmp/ 　　Disallow: /~joe/ 　　Robot特殊参数： 　　允许 Googlebot： 　　如果您要拦截除 Googlebot 以外的所有漫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，而不是指向所有漫游器的行。

　　“Allow”扩展名： 　　Googlebot 可识别称为“Allow”的 robots.txt 标准扩展名。

其他搜索引擎的漫游器可能无法识别此扩展名，因此请使用您感兴趣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。

只需列出您要允许的目录或页面即可。

　　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。

　　如果您要拦截 Googlebot 并允许 Google 的另一个漫游器（如 Googlebot-Mobile），可使用”Allow”规则允许该漫游器的访问。

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，如果 ? 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（具体而言，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: /*?$ 一行将允许包含任何以 ? 结尾的网址（具体而言，它将允许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具体的页面。

和其他的META标签（如使用的语言、页面的描述、关键词等）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，可以针对某个具体搜索引擎写为name=”BaiduSpider”。

content部分有四个指令选项：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续抓取下去； 　　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。

需要注意的是： 　　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，目前支持的并不多，但是正在逐渐增加，如著名搜索引擎GOOGLE就完全支持，而且GOOGLE还增加了一个指令“archive”，可以限制GOOGLE是否保留网页快照。

什么是robots.txt文件?

搜索引擎使用spider程序自动访问互联网上的网页并获取网页信息。

spider在访问一个网站时，会首先会检查该网站的根域下是否有一个叫做robots.txt的纯文本文件，这个文件用于指定spider在您网站上的抓取范围。

您可以在您的网站中创建一个robots.txt，在文件中声明该网站中不想被搜索引擎收录的部分或者指定搜索引擎只收录特定的部分。

请注意，仅当您的网站包含不希望被搜索引擎收录的内容时，才需要使用robots.txt文件。

如果您希望搜索引擎收录网站上所有内容，请勿建立robots.txt文件。

robots.txt文件安全吗？

如果是linux+apache, 还可以用ess文件限制假如不是 那么后台首页是index.asp, 而服务器优先index.html写个index.html文件, 跳转到index.aspindex.html中用meta限制, Spider就不会继续到index.asp去

Robots.txt文件是什么文件

.什么是robots.txt文件? 搜索引擎使用spider程序自动访问互联网上的网页并获取网页信息。

spider在访 问一个网站时，会首先会检查该网站的根域下是否有一个叫做robots.txt的纯文 本文件。

您可以在您的网站中创建一个纯文本文件robots.txt，在文件中声明该 网站中不想被robot访问的部分或者指定搜索引擎只收录特定的部分。

请注意，仅当您的网站包含不希望被搜索引擎收录的内容时，才需要使用 robots.txt文件。

如果您希望搜索引擎收录网站上所有内容，请勿建立 robots.txt文件或者创建一个内容为空的robots.txt文件。

2.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spider访问一个网站（比 如 ）时，首先会检查该网站中是否存在 /robots.txt这个文件，如果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。

以上的信息来自百度大叔，呵呵，大家都清楚robots.txt的作用了吧？那么今天 我们讲的就是它！它里放的是不想让我们看到的文件，那么robots.txt它本身呢 ？它本身让不让我们看呢？换句话说，我们要是搜索robots.txt是不是一样可以 达到偷窥的效果呢？呵呵，我们来试下，打开google, 输入：inurl:robots.txt