robots一般为txt文件格式，存放在网站根目录下，如robots.txt。
一、搜索引擎Robots协议的规范写法说明
- 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包含问号 (?) 的网址；
- Disallow: /.jpg$ 禁止抓取网页所有的.jpg格式的图片；
- Disallow: /ab/adc.html 禁止爬取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；
- Sitemap: 网站地图地址 告诉爬虫这个页面是网站地图；
二、Robots协议举例
例1. 禁止所有搜索引擎访问网站的任何部分
User-agent: * Disallow: /
例2. 允许所有的robot访问 (或者也可以建一个空文件 “/robots.txt”)
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:/
文章来源网络，作者：管理，如若转载，请注明出处：https://shuyeidc.com/wp/114618.html<
