搜索引擎限制抓取收录网站配置文件介绍。
robots.txt（统一小写）是一种存放于网站根目录下的ASCII编码的文本文件，它通常告诉网络搜索引擎的漫游器（又称网络蜘蛛），此网站中的哪些内容是不应被搜索引擎的漫游器获取的，哪些是可以被漫游器获取的。因为一些系统中的URL是大小写敏感的，所以robots.txt的文件名应统一为小写。robots.txt应放置于网站的根目录下。如果想单独定义搜索引擎的漫游器访问子目录时的行为，那么可以将自定的设置合并到根目录下的robots.txt，或者使用robots元数据（Metadata，又称元数据）。
侵删转自：维基百科
允许所有的机器人：
User-agent: *
Disallow:另一写法
User-agent: *
Allow:/仅允许特定的机器人：（name_spider用真实名字代替）
User-agent: name_spider
Allow:拦截所有的机器人：
User-agent: *
Disallow: /禁止所有机器人访问特定目录：
User-agent: *
Disallow: /cgi-bin/
Disallow: /images/
Disallow: /tmp/
Disallow: /private/仅禁止坏爬虫访问特定目录（BadBot用真实的名字代替）：
User-agent: BadBot
Disallow: /private/禁止所有机器人访问特定文件类型：
User-agent: *
Disallow: /*.php$
Disallow: /*.js$
Disallow: /*.inc$
Disallow: /*.css$使用robots协议必要细致的几点地方：
1、指令区分大小写，忽略未知指令。
2、每一行代表一个指令，空白和隔行会被忽略。
3、“#”号后的字符参数会被忽略。
4、有自力User-agent的规则，会排除在通配“*”User agent的规则之外。
5、可以写入sitemap文件的链接，方便搜索引擎蜘蛛爬行整站内容。
6、尽量少用Allow指令，由于不同的搜索引擎对不同位置的Allow指令会有不同看待。
7、robots.txt 文件必须放在网站的根目录，不可以放在子目录。
robots协议文件写法：
User-agent: * 这里的*代表的所有的搜索引擎种类，*是一个通配符
Disallow: /admin/ 这里定义是禁止爬寻admin目录下面的目录
Disallow: /require/ 这里定义是禁止爬寻require目录下面的目录
Disallow: /ABC/ 这里定义是禁止爬寻ABC目录下面的目录
Disallow: /cgi-bin/*.htm 禁止访问/cgi-bin/目录下的所有以”.htm”为后缀的URL(包含子目录)
Disallow: /*?* 禁止访问网站中所有包含问号 (?) 的网址
Disallow: /.jpg$ 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/ 这里定义是许可爬寻cgi-bin目录下面的目录
Allow: /tmp 这里定义是许可爬寻tmp的整个目录
Allow: .htm$ 仅许可访问以”.htm”为后缀的URL
Allow: .gif$ 许可抓取网页和gif格式图片
Sitemap: 网站地图 告诉爬虫这个页面是网站地图robots协议文件现实说明：
User-agent: * //设置robots规则适用的欣赏者身份为悉数UA身份
Disallow: /*?* //屏蔽掉页面中的动态路径
Disallow: /?p=* //屏蔽掉非固定链接的文章页面路径，由于每个页面中都会有一个shortlink使用的是?p= 的路径。
Disallow: /index.php //屏蔽掉首页默认页面的index.php 页面地址
Disallow: /wp-admin //屏蔽掉后台登陆页面地址，重要是考虑到服务器安全
Disallow: /wp-content/plugins //屏蔽掉wordpress的插件目录
Disallow: /wp-content/themes //屏蔽掉wordpress的模板目录
Disallow: /wp-includes //屏蔽掉wordpress的底层程序目录
Disallow: /trackback //屏蔽wordpress的页面回评路径
Disallow: /*/*/trackback //屏蔽wordpress分类目录、文章页面的回评路径
Disallow: /feed //屏蔽wordpress的内容订阅路径
Disallow: /*/*/feed //屏蔽wordpress分类目录、文章页面的订阅路径
Disallow: /comments/feed //屏幕wordpress评论的订阅路径
Disallow: /page/ //屏蔽默认的翻页路径
Disallow: /*/*/page/ //屏蔽分类目录的翻页路径
Disallow: /page/1$ //屏蔽翻页路径中的数字路径
Disallow: /tag/ //屏蔽标签页面
Disallow: /?s=* //屏蔽搜索效果路径，重要是避免搜索效果的缓存被搜索引擎收录
Disallow: /date/ //屏蔽按日期分类表现的列表页面
Disallow: /author/ //屏蔽作者文章列表页面
Disallow: /category/ //屏蔽以category为肇端路径的分类路径，假如您没有使用插件生成不带category前缀的路径时，请不要使用此项规则。
Disallow: /wp-login.php //屏蔽后台登陆页面
Disallow: /attachment/比较完整的WordPress站点robots.txt文件内容如下：
User-agent: *
Disallow: /wp-admin/
Disallow: /wp-content/
Disallow: /wp-includes/
Disallow: /*/comment-page-*
Disallow: /*?replytocom=*
Disallow: /category/*/page/
Disallow: /tag/*/page/
Disallow: /*/trackback
Disallow: /feed
Disallow: /*/feed
Disallow: /comments/feed
Disallow: /?s=*
Disallow: /*/?s=*
Disallow: /*?*
Disallow: /attachment/侵删转自：seoqe.com
