甚么是robots和谈 ？详解robots.txt文件的存放职位 、格式 、独霸身手及感染
1 、甚么是谈详robots和谈
robots是网站跟爬虫间的和谈 ，robots和谈又称爬虫和谈 、文件位格爬虫轨则等 ，放职是霸身指网站可创建一个robots.txt文件来陈述搜刮引擎哪些页面可以抓取 ，哪些页面不克不及抓取 ，感染而搜刮引擎则经由过程读取robots.txt文件来辨认这个页面可否准予被抓取。甚r式独手及
搜刮引擎独霸spider法度圭表类型主动访谒互联网上的谈详网页并掉落踪掉落踪网页信息 ，robots文件是文件位格站点与spider类似的次要渠道 。当一个搜刮蜘蛛访谒一个站点时 ，放职它会起首搜检该站点根目次下可否存在robots.txt文件 ，霸身假定存在 ，感染搜刮机械人就会屈就该文件中的甚r式独手及内容来断定访谒的局限；假定该文件不存在 ，全数的谈详搜刮蜘蛛将可以访谒网站上全数没有被口令呵护的页面 。可是文件位格 ，这个robots和谈不是防火墙 ，也没有强逼奉行力 ，搜刮引擎无缺可以忽视robots文件往抓取网页的快照 。robots和谈真实不是一个圭表类型 ，而只是商定俗成的 ，所以真实不克不及担保网站的隐私 。
中心文件
：robots.txt
和谈经由过程一个特定的 、位于网站根目次下的文本文件来完成
，这个文件必须定名为 robots.txt
。
访谒编制
：https://www.example.com/robots.txt
指令语法 ：
文件包含一个或多个由 User-agent和 Disallow/ Allow指令构成的轨则块。
User-agent:指定这条轨则合用于哪个爬虫。*代表全数爬虫 。
Disallow:指定爬虫不克不及访谒的 URL 路途（绝对根目次）
。
Allow:(可选但推荐) 指定即便在 Disallow轨则下
，爬虫也可以访谒的特定子路途 。但凡用来在阻拦一个除夜目次时 ，准予个中的某个特定子目次或文件 。
Sitemap:(可选但推荐) 用于指定网站地图的职位 ，辅佐爬虫更有效地创作创造和索引网站内容。
2 、robots和谈的由来
robots.txt真实不是某一个公司制订的 ，而是早在20世纪93 、94年就早已展示 ，事前还没有Google。真实Robots和谈的劈脸 ，是在互联网从业人员的悍然邮件组里面构和并且出世的 。即就是往日，互联网局限的相干问题也还是是在一些专门的邮件组中构和 ，并产生发火（主假定在美国）。
1994年6月30日，在经由搜刮引擎人员和被搜刮引擎抓取的网站站长合营构和后 ，正式宣布了一份行业圭表类型，即robots.txt和谈。在此之前 ，相干人员不时在草拟这份文档 ，并在全国互联网技能邮件组宣布后 ，这一和谈被几近全数的搜刮引擎采取 ，包含最早的altavista ，infoseek ，后来的谷歌 ，bing，和中国的百度 ，搜搜 ，搜狗等公司也接踵采取并严格屈就 。
Robot ，又称Spider ，是搜刮引擎主动掉落踪掉落踪网页信息的电脑法度圭表类型的通称 。Robots和谈的中心思惟就是请求Robot法度圭表类型不要往检索那些站长们不盼看被直接搜刮到的内容 。将束厄狭隘Robot法度圭表类型的具体编制圭表类型成格式代码 ，就成了Robots和谈 。一样往常来讲，网站是经由过程Robots.txt文件来完成Robots和谈 。
自有搜刮引擎之日起，Robots和谈已经是一种如今为止最有效的编制 ，用自律贯穿连接着网站与搜刮引擎之间的均衡 ，让二者之间的益处不致过分倾斜 。它就像一个钟摆 ，让互联网上的搜刮与被搜刮调和相处 。
3、robots文件放在何处
Robots文件理应放置在网站根目次下 。举例来讲 ，当spider访谒一个网站（比如 http://www.***.com）时 ，起首会搜检该网站中可否存在http://www.***.com/robots.txt这个文件，假定 Spider找到这个文件 ，它就会屈就这个文件的内容 ，来断定它访谒权限的局限 。假定没有创作创造robots.txt文件 ，蜘蛛就会蒲伏全数的文件 ，添加了良多没居心义的独霸 ，添加了蜘蛛的工作量。
| 网站 URL | 照顾的 robots.txt的 URL |
| http://www.***.org/ | http://www.***.org/robots.txt |
| http://www.***.org:80/ | http://www.***.org:80/robots.txt |
| http://www.***.org:1234/ | http://www.***.org:1234/robots.txt |
| http://***.org/ | http://***.org/robots.txt |
*robots文件存放职位
4 、robots和谈的格式
robots和谈经常放置于根目次下 ，包含一条或更多的记实，这些记实经由过程空行离开（以CR ，CR/NL ， or NL作为停止符） ，每笔记实的格式以下所示 ：
"<field>:<optional space><value><optionalspace>"
在该文件中可独霸#举办注解 ，具体独霸编制和UNIX中的常例一样 。该文件中的记实但凡以一行或多行User-agent最早 ，后背加上若干很多若干Disallow和Allow行，具展气候以下：
User-agent:该项的值用于描摹搜刮引擎robot的名字 。在"robots.txt"文件中 ，假如有多条User-agent记实声明有多个robot会遭到"robots.txt"的限制，对该文件来讲 ，起码要有一条User-agent记实 。假定该项的值设为* ，则对任何robot均有效 ，在"robots.txt"文件中，"User-agent:*"多么的记实只能有一条 。假定在"robots.txt"文件中 ，介入"User-agent:SomeBot"和若干很多若干Disallow 、Allow行 ，那么名为"SomeBot"只遭到"User-agent:SomeBot"后背的 Disallow和Allow行的限制 。
Disallow:该项的值用于描摹不盼看被访谒的一组URL ，这个值可所以一条无缺的路途，也可所以路途的非尽后缀 ，以Disallow项的值开首的URL不会被 robot访谒 。比如"Disallow:/help"阻拦robot访谒/help.html 、/helpabc.html 、/help/index.html ，而"Disallow:/help/"则准予robot访谒/help.html 、/helpabc.html ，不克不及访谒/help/index.html 。"Disallow:"声明准予robot访谒该网站的全数url ，在"/robots.txt"文件中 ，起码要有一条Disallow记实 。假定"/robots.txt"不存在或为空文件 ，则对全数的搜刮引擎robot ，该网站都是开放的 。
Allow:该项的值用于描摹希看被访谒的一组URL ，与Disallow项近似 ，这个值可所以一条无缺的路途，也可所以路途的前缀 ，以Allow项的值开首的URL 是准予robot访谒的。比如"Allow:/hi百度"准予robot访谒/hi百度.htm、/hi百度com.html、/hi百度/com.html 。一个网站的全数URL默许是Allow的 ，所以Allow但凡与Disallow搭配独霸，完成准予访谒一部分网页同时阻拦访谒此外全数URL的下场 。
独霸"*"and"$"：Baiduspider支撑独霸通配符"*"和"$"来恍忽婚配url 。
"*" 婚配0或多个肆意字符
"$" 婚配行停止符 。
末尾需求声明的是 ：百度会严格屈就robots的相干和谈 ，请寄看分辨您不想被抓取或收录的目次的大年夜小写 ，百度会对robots中所写的文件和您不想被抓取和收录的目次做切确婚配 ，不然robots和谈没法奏效 。
5 、robots和谈用法与实例
1 、robots和谈用法
| 例1 、阻拦全数所示引擎访谒网站任何内容 | User-agent: * Disallow:/ |
| 例2 、准予全数的robot访谒（或也可以建一个空文件“/robots.txt”） | User-agent: * Allow:/ |
| 例3 、仅阻拦Baiduspider访谒您的网站 | User-agent:Baiduspider Disallow:/ |
| 例4 、仅准予Baiduspider访谒您的网站 | User-agent:Baiduspider Allow:/ User-agent: * Disallow:/ |
| 例5、仅准予Baiduspider和Googlebot访谒您的网站 | User-agent:Baiduspider Allow:/ User-agent:Googlebot Allow:/ User-agent: * Disallow:/ |
| 例6 、阻拦spider访谒特定目次 在这个例子中 ，改网站有三个目次对所搜刮引擎的访谒做了限制 ，即spider不会访谒这3个目次 ，需求寄看的是对每个目次必须离开声明 ，而不克不及写成“Disallow:/cgi-bin/ /temp/” 。 | User-agent: * Disallow:/cgi-bin/ Disallow:/temp/ |
| 例7 、准予访谒特定目次中的部分url | Allow:/temp/hi User-agent: * Allow:/~joe/look Allow:cig-bin/see Disallow:/cgi-bin/ Disallow:/temp/ Disallow:/~joe/ |
| 例8 、独霸“*”限制访谒url阻拦访谒/cgi-bin/目次下的全数以“.html”为后缀的url（包含子目次） | User-agent: * Disallow:/cgi-bin/*.html |
| 例9 、独霸“$”限制访谒url仅准予访谒以“.html”为后缀的url | Allow:/*.html$ User-agent: * Disallow: |
| 例10 、阻拦访谒网站中全数的静态页面 | User-agent: * Disallow:/ *?* |
| 例11、阻拦Baiduspider抓取网站上的全数图片 仅准予抓取网页 ，阻拦抓取任何图片 。 | User-agent:Baiduspider Disallow:/*.jpg$ Disallow:/*.jpeg$ Disallow:/*.gif$ Disallow:/*.png$ Disallow:/*.bmp$ |
| 例12 、仅准予Baiduspider抓取网页和.gif格式图片 准予抓取网页和gif格式图片 ，禁尽予抓取其他格式图片 | User-agent:Baiduspider Allow:/*.gif$ Disallow:/*.jpg$ Disallow:/*.jpeg$ Disallow:/*.png$ Disallow:/*.bmp$ |
| 例13 、阻拦Baiduspider抓取.jpg格式图片 | User-agent:Baiduspider Disallow:/*.jpg$ |
*百度robots.txt和谈用法
2 、robots.txt文件示例
以下是一个robots.txt文件的无缺示例 ，可拷贝到txt文件做照顾改削后独霸 。
User-agent:
*Disallow:/application/
Disallow:/core/
Disallow:/data/
Disallow:/extend/
Disallow:/public/
Disallow:/static/
Disallow:/vendor/
Disallow:/weapp/
Disallow:/install_1636907738/
Sitemap:https://www.youhuaxing.cn/sitemap.xml
6 、Robots.txt 文件在线生成
1 、站长对象Robots.txt生成 ：https://tool.chinaz.com/robots/
2 、爱站Robots.txt生成：https://tools.aizhan.com/robots-generator/
7 、Robots.txt文件在线检测对象
当写好robots.txt文件就需求检测可否有写 ，上面供给几款在线对象辅佐大年夜师检测robots可否有写错 。
1 、百度成本Robots.txt检测 ：https://ziyuan.百度.com/robots/
2、爱站Robots.txt检测对象 ：https://tools.aizhan.com/robots/
3 、站长对象Robots.txt检测 ：https://stool.chinaz.com/robots
8、Robots和谈独霸身手
1 、每当用户试图访谒某个不存在的URL时，处事器都邑在日记中记实404偏向（没法找到文件） 。每当搜刮蜘蛛来寻觅真实不存在的robots.txt文件时 ，处事器也将在日记中记实一条404偏向 ，所以理应在网站中添加一个robots.txt文件 。
2 、网站治理员必须使蜘蛛法度圭表类型远离某些处事器上的目次以确保处事器功用 。比如 ：除夜除夜都网站处事器都有法度圭表类型储存在"cgi-bin"目次下 ，是以在robots.txt文件中介入"Disallow: /cgi-bin" ，多么可以阻拦将全数法度圭表类型文件被蜘蛛索引 ，可以俭仆处事器成本 。一样往常网站中不须要蜘蛛抓取的文件有：布景治理文件 、法度圭表类型脚本、附件 、数据库文件 、编码文件 、格式表文件 、模板文件 、导航图片和布景图片等等 。
3. 假定你的网站是静态网页，并且你为这些静态网页成立了静态副本 ，以供搜刮蜘蛛更随便抓取。那么你需求在robots.txt文件里设置阻拦静态网页被蜘蛛索引 ，以担保这些网页不会被视为含几回内容。
4 、robots.txt文件里还可以直接包含在sitemap文件的链接。比如Sitemap: http://www.***.com/sitemap.xml。多么做的益处就是 ，站长不必到每个搜刮引擎的站长对象往提交本身的sitemap文件 ，搜刮引擎的蜘蛛本身就会抓取robots.txt文件 ，读取个中的sitemap路途，接着抓取个中相链接的网页 。
5 、公允独霸robots.txt文件还能阻拦访谒时犯错 。比如，不克不及让搜刮者直接进进购物车页面。因为没有出处使购物车被收录 ，所以你可以在robots.txt文件里设置来阻拦搜刮者直接进进购物车页面。
9 、Robots文件的感染
1 、樊篱网站的空 、作古链接
因为网站内容的改削和删除 ，随便招致网站内的一些内链损掉落踪落效变成空链或作古链。但凡我们会对网站活期搜检空链和作古链，将这些链接提掏出来 ，写进robots文件傍边，阻拦搜刮引擎爬取该链接 ，直接汲引搜刮引擎的体验 。该种编制是有效的，因为改削已收录的内容时会使得搜刮引擎从头的爬取改削过的网页 ，再次剖断可否举办收录 ，假定没有延续收录了 ，那么就得不考验考验了 。
2 、阻拦蜘蛛爬取网站几回内容
因为网站良多的静态页面搜刮引擎时没法收录的 ，所以良多时辰我们需求对这些静态页面举办制订一个静态的页面以助于搜刮引擎收录。这时辰辰就让搜刮引擎不要爬取某一些几回的内容 ，可以促进站内的页面关头词权重竞争 。
3 、俭仆处事器成本 ，从而进步处事质量
网站上是有良多的内容都是一些有时义的内容 ，比如网站的各类脚本代码 、css文件和php文件等等 ，这些文件对网站优化都是有时义的 ，爬取这些网站不单不会收录，并且还会华侈处事器的成本 。上图中良多阻拦访谒的内容都是这类有时义的文件目次 。
4 、呵护网站隐私内容
网站有良多的页面都是有着必定隐私的，比如一个用户领受的推送又或是购物车等等 ，这些链接当然在一个页面傍边有 ，可是较着是不盼看搜刮引擎爬取的内容。
5 、无益于网站调试
在网站末尾上线前 ，或网站改版的时辰 ，都邑有着必定的偏向 ，需求一段时分的调试再对搜刮引擎开放爬取 ，在调试时代便可以将robots文件设置为对全数的搜刮引擎都处于回尽爬取外形 ，等全数的偏向都措置后再改削robots文件 。
10 、Robots META标签的写法
robots meta标签中没有大年夜小写之分 ，name="robots"展示全数的搜刮引擎 ，可以针对某个具体搜刮引擎写为name="百度spider"。 content部分有四个指令选项 ：index 、noindex、follow 、nofollow ，指令间以" ，"离开 。
index 指令陈述搜刮机械人抓取该页面；
follow 指令展示搜刮机械人可以沿着该页面上的链接延续抓取下往；
robots meta标签的缺省值是index和follow ，只需inktomi除外 ，对它 ，缺省值是index,nofollow 。
多么 ，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">
个中
<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">
如今看来，尽除夜除夜都的搜刮引擎机械人都屈就robots.txt的轨则 ，而对robots meta标签 ，如今支撑的真实不多 ，可是正在慢慢添加 ，如有名搜刮引擎谷歌就无缺支撑，并且谷歌还添加了一个指令"archive" ，可以限制谷歌可否保管网页快照。比如 ：
<meta name="谷歌bot" content="index,follow，noarchive">
展示抓取该站点中页面并沿着页面中链接抓取，可是不在goolge上保管该页面的网页快照。
11 、搜刮引擎罕有Robots名字
谷歌蜘蛛 ：谷歌bot
百度蜘蛛 ：百度spider
yahoo蜘蛛 ：slurp
alexa蜘蛛：ia_archiver
msn蜘蛛：msnbot
altavista蜘蛛 ：scooter
lycos蜘蛛 ：lycos_spider_(t-rex)
alltheweb蜘蛛 ：fast-webcrawler/
inktomi蜘蛛 ：slurp
十2 、robots和谈罕有问题
1、Robots.Txt文件是必须的吗 ？
假定你的网站较小 ，且索引契合你的预期 ，你可以不要robots.txt文件，主流搜刮引擎充分机警的往辨认你的内容。但建议仍是要有一个Robots.txt文件 ，因为搜刮引擎访谒网站时，起首就是查阅它。
2、可以将成本类文件（Css 、Js）阻拦抓取吗 ？
不要这么做 ，因为搜刮引擎需求靠成本类文件来解读你的网页 。
3 、网站误封Robots该若何措置 ？
robots和谈是搜刮生态中很次要的一个环节，同时也是一个很细节的环节 。良多站长同窗在网站运营过程中 ，很随便忽视robots和谈的存在 ，举办偏向袒护或全数封禁robots ，构成不须要丧损掉落踪落 ！
那么假定误独霸封禁了robots若何办 ？百度搜刮引擎措置编制以下 ：
1 、改削Robots封禁为准予 ，然后到百度搜刮成本布景检测并更新Robots 。
2 、在百度搜刮成本布景抓取检测 ，此时展示抓取损掉落踪落败 ，不妨 ，多点击抓取几回 ，触发蜘蛛抓取站点 。
3 、在百度搜刮成本布景抓取频次 ，央求抓取频次上调 。
4 、百度回响中心，回响是因为误独霸招致了这类气候的产生发火 。
5、百度搜刮成本布景链接提交处 ，设置数据API推送（及时） 。
6 、更新sitemap网站地图，从头提交百度 ，天天手动提交一次 。
以上措置完 ，接上往就是等待了，一样往常3天放置根本上升到正常外形 ！
总结
优化猩SEO：robots和谈在百度 、谷歌等次要搜刮引擎仍是具有理论感染的 ，假定网站将robots和谈写成禁尽予搜刮引擎抓取 ，那么全数站点的局限非论多除夜 ，搜刮引擎也不会将搜刮下场举办展示 ，所以站长务需求公允设置好robots.txt文件 ，使搜刮引擎抓取可以切确公允的抓取网站内容 ，以便网站掉落踪掉落踪更好的排名。
参考链接 ：
robots和谈_百度百科
https://baike.百度.com/item/robots%E5%8D%8F%E8%AE%AE/2483797
robots_百度百科
https://baike.百度.com/item/robots/5243374?fr=aladdin
robots_百度搜刮成本平台
https://ziyuan.百度.com/college/courseinfo?id=267&page=13#h2_article_title28
2022 最新Robots.txt文件教程-CSDN博客
https://blog.csdn.net/penny_cheng/article/details/124778079
robots文件若何写 ，robots文件对网站优化的感染-格子群集
https://www.35hw.com/news/robots.html
改削于2025-07-31