搜索引擎來(lái)網(wǎng)站抓取內(nèi)容的時(shí)候，首先會(huì)訪問(wèn)你網(wǎng)站根目錄下的一個(gè)文本文件robots.txt，搜索引擎機(jī)器人通過(guò)robots.txt里的說(shuō)明，來(lái)理解該網(wǎng)站是否可以全部抓取，或只允許部分抓取。
注意：網(wǎng)站的robots.txt文件一定要存放在網(wǎng)站的根目錄。
搜索引擎來(lái)網(wǎng)站抓取內(nèi)容的時(shí)候，首先會(huì)訪問(wèn)你網(wǎng)站根目錄下的一個(gè)文本文件robots.txt，搜索引擎機(jī)器人通過(guò)robots.txt里的說(shuō)明，來(lái)理解該網(wǎng)站是否可以全部抓取，或只允許部分抓取。

注意：網(wǎng)站的robots.txt文件一定要存放在網(wǎng)站的根目錄。

robots.txt文件舉例說(shuō)明
禁止所有搜索引擎訪問(wèn)網(wǎng)站的任何內(nèi)容
User-agent: *
Disallow: /

禁止所有搜索引擎抓取某些特定目錄
User-agent: *
Disallow: /目錄名1/
Disallow: /目錄名2/
Disallow: /目錄名3/

允許訪問(wèn)特定目錄中的部分url
User-agent: *
allow: /158
allow: /joke

禁止訪問(wèn)網(wǎng)站中所有的動(dòng)態(tài)頁(yè)面

僅允許百度抓取網(wǎng)頁(yè)和gif格式圖片，不允許抓取其他格式圖片
User-agent: Baiduspider
allow: /*.gif$
Disallow: /*.jpg$
Disallow: /*.jpeg$
Disallow: /*.png$
Disallow: /*.bmp$

1.屏蔽404頁(yè)面
Disallow: /404.html

2.屏蔽死鏈
原來(lái)在目錄為/158下的所有鏈接，因?yàn)槟夸浀刂返母淖?，現(xiàn)在都變成死鏈接了，那么我們可以用robots.txt把他屏蔽掉。
Disallow： /158/

3.屏蔽動(dòng)態(tài)的相似頁(yè)面
假設(shè)以下這兩個(gè)鏈接，內(nèi)容其實(shí)差不多。
/XXX123
/123.html
我們要屏掉/XXX123 頁(yè)面，代碼如下：
Disallow： /XXX

4.告訴搜索引擎你的sitemap.xml地址
具體代碼如下：
Sitemap： 你的sitemap地址ap： 你的sitemap地址