在wordpress网站优化过程中的robots.txt爬虫协议
爬虫协议Robots.txt是在网站上找到的第一个文件搜索蜘蛛。它告诉搜索引擎可以抓取哪些页面以及哪些页面无法抓取。
当我们在我们的网站上有错误页面时，或者某些页面不希望蜘蛛抓取时，合理配置的机器人协议可以使蜘蛛更有效，更快速地抓取需要抓取的内容。当搜索引擎蜘蛛进入网站时，首先要确定网站根目录目录下是否有robots.txt文件。如果存在，则根据文件的规范对内容进行爬网;如果该文件不存在，则根据默认规则对网站中的所有页面进行爬网。 。因此，本文介绍了一些机器人的语法和常见示例。
网站设置robots.txt的好处：禁止搜索引擎包含页面的一部分;引导蜘蛛爬行站点地图;可以在一定程度上保护网站安全;节省流量等。
Robots基本语法：
1、定义搜索引擎：User-agent。
User-agent: * #所有的搜索引擎 User-agent: Baiduspider #百度蜘蛛 User-agent: Googlebot #谷歌蜘蛛
2、Disallow 禁止爬取。
Disallow: /admin/ #禁止爬取admin文件夹 Disallow: /login.html #禁止爬取登录页面
3、Allow 允许。默认情况下，都是允许的。
例如：禁止admin文件夹下的所有文件，除了.html的网页。如果用Disallow一个一个的禁止，太浪费时间了。
此时用Allow就解决这个问题：
Allow: /admin/.html$ Disallow: /admin/
4、$ 结束符。
例：允许所有的以.html结尾的文件。不管前面有多长的URL，只要以.html结尾都允许
Allow: .html$
5、* 通配符符号0或多个任意字符。
例：屏蔽所有的动态URL
User-agent: * Disallow: /*?*
6、Sitemap 声明网站地图。
Sitemap: http://www.xiaowangyun.com/sitemap.xml
7、#: 注释符。
8、版本号
Robot-version: Version 1.0
注：
1.robots.txt文件存放在网站根目录下。 2.文件名所有字母都必须小写（robots.txt）。 3.User-agent、Disallow、Allow、Sitemap必须是第一个字母大写，后面的字母小写，后面英文字符下的空格。
常用Robots.txt 文件举例
例1、禁止所有搜索引擎访问网站的任何部分
User-agent: * Disallow: /
例2、禁止访问某些目录。注意的是对每一个目录必须分开声明。
User-agent: * Disallow: /admin/ Disallow: /log/ Disallow: /bin/
例3、禁止某个搜索引擎抓取网站上的所有图片
User-agent: * Disallow: .jpg$ Disallow: .jpeg$ Disallow: .gif$ Disallow: .png$ Disallow: .bmp$
声明：本站发布的内容以原创、转载、分享网络内容为主，如有侵权，请联系电话：021-51697771-8029，邮箱：mj@cndns.com ，我们将会在第一时间删除。文章观点不代表本站立场，如需处理请联系我们。
