一.robots.txt具体作用
1.对搜索引擎做出规定，抓取或者不抓取。
2.由于有些信息规定了不让抓取，所以可以保护到一些必要的信息，比如：网站后台，用户信息。

3.节省搜索引擎抓取资源。

 

二.robots.txt规则
1.User-agent，用于告诉识别蜘蛛类型。比如，User-agent: Baiduspider 就是指百度蜘蛛。
各类蜘蛛列举如下：
百度蜘蛛：Baiduspider
谷歌机器人：GoogleBot
360蜘蛛：360Spider
搜狗蜘蛛：Sogou News Spider
雅虎蜘蛛：“Yahoo! Slurp China” 或者 Yahoo!
有道蜘蛛：Youdaobot 或者 Yodaobot
Soso蜘蛛：Sosospider
2.Allow，允许蜘蛛抓取指定目录或文件，默认是允许抓取所有。
3.Disallow，不允许蜘蛛抓取指定目录或文件。
4.通配符，“*”，匹配0或多个任意字符。
5.终止符，“$”，可以匹配以指定字符结尾的字符。
举个例子：下面是一个wordpress程序的robots.txt
User-agent: *
Disallow: /wp-admin/
Disallow: /wp-includes/
Disallow: /wp-content/plugins
Disallow: /wp-content/themes
Disallow: /feed
Disallow: /*/feed
Disallow: /comments/feed
Disallow: /*.js$
Disallow: /*?*
Sitemap: http://www.znbo.com/sitemap.xml
解释：
User-agent: *：对所有搜索引擎都使用下面的规则。
Disallow: /wp-admin/：不让蜘蛛抓取根目录下的wp-admin文件夹。
Disallow: /*.js$：不让蜘蛛抓取根目录下所有的js文件。
Disallow: /*?*：不抓取所有的动态链接。

Sitemap: http://www.znbo.com/sitemap.xml：给蜘蛛提供网站地图，方便蜘蛛抓取网站内容。

 

三.robots.txt注意事项
1.如果你希望搜索引擎收录网站上所有的内容，那么就不要建立robots.txt文件。
2.如果同时存在动态和静态链接，那么建议屏蔽动态链接。
3.robots.txt只能是屏蔽站内文件的，对站外文件没有屏蔽功能。
4.User-agent，Allow，Disallow，Sitemap的首字母都是大写的。
5.User-agent，Allow，Disallow，Sitemap的冒号后面都是有空格的，没有写空格直接写接下来的内容会出错。
6.网站通常会屏蔽搜索结果页面。因为搜索结果页和正常展示的内容页相比，标题和内容上相同的，而这两个页面链接是不同的。那搜索引擎该将这篇文章归属于哪个内链呢?这样就会造成内链之间相互竞争，造成内部资源损耗。
比如上面举的例子，那个wordpress程序，在没有设置伪静态，还是动态链接的时候，搜索结果页面链接都包含有/?s=，而 标题和内容 与 正常展示的动态链接内容页重复，可以通过Disallow: /?=*来屏蔽搜索结果页面。
而现在那个wordpress程序已经设置了伪静态，也设置了Disallow: /*?*，Disallow: /*?*本身就包含了Disallow: /?=*，所以Disallow: /?=*这句写不写都没有关系
7.建议屏蔽js文件。Disallow: /*.js$，以 .js 结尾的路径统统被屏蔽，这样就屏蔽了js文件。
8.路径是区分大小写的。Disallow: /ab/ 和 Disallow: /Ab/ 是不一样的。
9.robots.txt会暴露网站相关目录，写robots.txt时要考虑到这一点。
10.有些seo会将文件直接备份在服务器中，文件是 .zip 格式，然后在robots.txt中屏蔽。个人不建议这样，这就是明显告诉人家你的备份文件位置。建议文件和数据都备份到本地。
11.一些特殊规则对比：
①Disallow: /和Disallow: / ab (/后面有个空格，再有ab)是一样的，/后面多了个空格，蜘蛛之认空格前面那一段，就是Disallow: /，所以两个都是屏蔽整站的。
②Disallow: /ab和Disallow: /ab*是一样的。比如两个都能屏蔽http://域名/ab，http://域名/abc，http://域名/abcd。
③Disallow: /ab/和Disallow: /ab是不一样的。很明显，Disallow: /ab范围更广，包含了Disallow: /ab/。因为Disallow: /ab/只能屏蔽http：//域名/ab/，http：//域名/ab/....这样的路径，也就是只能屏蔽ab目录和ab目录下的文件不被蜘蛛抓取。