-   什么是robots.txt文件呢?      robots.txt文件是一种存放于网站根目录下的ASCⅡ编码的文本文件,它通常告诉搜索引擎的网页抓取程序,网站中哪些内容可以被获取,以及哪些不能收录。搜索引擎在访问网站中的内容信息时,会首先检查网站的根目录下是否存在robots.txt文件,该文件通过记事本建立即可,放置在网站根目录下就可以了。   我们在制作时可以在每个网页的头部使用“Robots Meta Tag”标签来提示搜索引擎可否抓取网页,该代码通常放置于HTML代码的HEAD区域中,它的格式如下所示:   <META NAME="ROBOTS" CONTENT="NOINDEX,NOFOLLOW">   robots.txt是搜索引擎间约定俗成的规则, Google、百度等搜索引擎遵守的都是robots.txt文件撰写标准。   因为一些服务器系统对大小写进行了区分,所以robots.txt文件名必须全部是小写,而且最好是放在网站根目录下。   除了一些涉及到网站安全的文件以外,网站中的程序脚本、样式表等文件即使被搜索引擎索引,也不会增加网站的收录数量,还只会占用服务器带宽资源,因此需要在robots.txt文件里统一设置,不要让搜索引擎索引这些文件。   要撰写robots.txt文件,需要按照相应的规范来填写,百度就有专门的说明页面,上面有各类robots.txt文件用法的举例说明。   通常情况下,robots.txt文件由以下两个标记组成:   User-Agent: 表示需要拦截的搜索引擎robots名称,比如谷歌的就是googlebot,而百度搜索则是baiduspider。   Disallow: 表示不需要被索引的栏目或文件。   在撰写robots.txt文件的时候一定要非常仔细,如果误把所有的网站页面都屏蔽了,那可就得不偿失了。   现在大多数网站都是使用动态程序搭建,并且另外生成了静态页面供访客浏览,但是动态的页面仍然会被搜索引擎索引到。这样一来就会造成页面重复,让搜索引擎降低对网站的权重。这时我们就可以通过robots.txt文件的设置,避免搜索引擎访问到动态页面,以保证这些网页不会被视为重复的内容。   robots.txt文件写作范例:   我们来看一个robots.txt范例,打开网址:http://www.shudoo.com/robots.txt,可以看到这个网站robots.txt文件的具体内容,如下所示。 # Robots.txt file from http://www.shudoo.com # All robots will spider the domain User-agent: * Disallow:   以上所表达的意思是允许所有的搜索机器人访问www.shudoo.com站点下的所有文件。       具体语法分析:其中#后面文字为说明信息;User-agent:后面为搜索机器人的名称,后面如果是*,则泛指所有的搜索机器人;Disallow:后面为不允许访问的文件目录。   下面,小编再列举一些robots.txt的具体用法:   禁止所有搜索引擎访问网站的任何部分   User-agent: *   Disallow: /   禁止所有搜索引擎访问网站的几个部分(下例中的01、02、03目录)   User-agent: *   Disallow: /01/   Disallow: /02/   Disallow: /03/   禁止某个搜索引擎的访问(下例中的BadBot)   User-agent: BadBot   Disallow: /   只允许某个搜索引擎的访问(下例中的Crawler)   User-agent: Crawler   Disallow:   User-agent: *   Disallow: /   另外,我们再对robots meta进行一些介绍:   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标签也是放在页面的<head></head>中,专门用来告诉搜索引擎ROBOTS如何抓取该页的内容。   Robots META标签的写法:   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。   这样,一共有四种组合:   <META NAME=”ROBOTS” CONTENT=”INDEX,FOLLOW”>   <META NAME=”ROBOTS” CONTENT=”NOINDEX,FOLLOW”>   <META NAME=”ROBOTS” CONTENT=”INDEX,NOFOLLOW”>   <META NAME=”ROBOTS” CONTENT=”NOINDEX,NOFOLLOW”>   其中   <META NAME=”ROBOTS” CONTENT=”INDEX,FOLLOW”>可以写成<META NAME=”ROBOTS” CONTENT=”ALL”>;   <META NAME=”ROBOTS” CONTENT=”NOINDEX,NOFOLLOW”>可以写成<META NAME=”ROBOTS” CONTENT=”NONE”>   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Robots META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。例如: <META NAME=”googlebot” CONTENT=”index,follow,noarchive”>