1、什麼是robots.txt文件
搜索引擎有自己的搜索習慣，當它對一個網站進行搜索時，哪些目錄和文件要看，哪些不用看，它有自己的算法。我們也可以自己建立一個robots.txt文件，告訴搜索引擎的機器人哪些可以被收錄，哪些不需要收錄。這樣可以節約自己網站的資源，提高被搜索引擎收錄的效率。
２、robots.txt放置位置
robots.txt必須放置在一個站點的根目錄下，而且文件名必須全部小寫。
３、robots相關語法
1)User-agent: 適用下列規則的漫遊器(搜索引擎)
該項的值用於描述搜索引擎robot的名字。在robots.txt文件中，如果有多條User-agent記錄，就說明有多個robot會受到robots.txt的限制，對該文件來說，至少要有一條User-agent記錄。如果該項的值設爲*，則對任何robot均有效。
● Google爬蟲名稱: Googlebot
● 百度（Baidu）爬蟲名稱：Baiduspider
● 雅虎（Yahoo）爬蟲名稱：Yahoo Slurp
● 有道（Yodao）蜘蛛名稱：YodaoBot
● 搜狗（sogou）蜘蛛名稱：sogou spider
● MSN的蜘蛛名稱(微軟最新搜索引擎Bing蜘蛛名也是這個)：Msnbot
２）Disallow: 拒絕訪問的目錄或文件
該項的值用於描述不希望被訪問的一組URL，這個值可以是一條完整的路徑，也可以是路徑的非空前綴，以Disallow項的值開頭的URL不會被robot訪問。
例如：
Disallow:/seo.html 表示禁止robot訪問文件 /seo.html
３）Allow:允許訪問的目錄或文件
該項的值用於描述希望被訪問的一組URL，與Disallow項相似，這個值可以是一條完整的路徑，也可以是路徑的前綴，以Allow項的值開頭的URL是允許robot訪問的。
例如：
Allow:/hibaidu/ 表示允許robot訪問目錄 /hibaidu/
4)使用通配符"*"和"$"：
$ 匹配行結束符。
* 匹配0或多個任意字符。
? 匹配1個任意字符
5)robots.txt文件裏還可以直接包括在sitemap文件的鏈接。
Sitemap:http://www.cnbaoguan.com/sitemaps.xml
4、robots.txt文件用法舉例
1)、攔截所有的機器人訪問網站
User-agent: *
Disallow: /
2)、允許所有的機器人訪問網站
User-agent: *
Allow: /
3)、禁止所有機器人訪問特定目錄：
User-agent: *
Disallow: /public/
Disallow: /images/
Disallow: /temp/
Disallow: /include/
4)、禁止特定搜索引擎蜘蛛訪問特定目錄(這裏我們以百度蜘蛛爲例說明)
User-agent: Baiduspider
Disallow: /test/
上面的robots.txt語法示例的意思是禁止百度蜘蛛爬行根目錄下的test目錄
5)、僅禁止Baiduspider抓取.jpg格式圖片
User-agent: Baiduspider
Disallow: .jpg$
6)、僅允許訪問以".htm"爲後綴的URL。
User-agent: *
Allow: .htm$
Disallow: /
7)、禁止訪問網站中所有的動態頁面
User-agent: *
Disallow: /*?*
5、常見robots.txt錯誤
1)、把多個禁止命令放在一行中：
錯誤地寫法
Disallow: /css/ /cgi-bin/ /images/
正確的寫法
Disallow: /css/
Disallow: /cgi-bin/
Disallow: /images/
2)、表示目錄時，忘記了斜槓/
錯誤的寫法
User-agent: Baiduspider
Disallow: css
正確的寫法
User-agent: Baiduspider
Disallow: /css/
6、robots meta網頁標籤寫法
Robots META標籤則主要是針對一個個具體的頁面。和其他的META標籤（如使用的語言、頁面的描述、關鍵詞等）一樣，Robots META標籤也是放在頁面的＜head＞＜/head＞中，專門用來告訴搜索引擎ROBOTS如何抓取該頁的內容。
Robots META標籤的寫法：
Robots META標籤中沒有大小寫之分，name=”Robots”表示所有的搜索引擎，可以針對某個具體搜索引擎寫爲name=”BaiduSpider”。 content部分有四個指令選項：index、noindex、follow、nofollow，指令間以“,”分隔。
INDEX 指令告訴搜索機器人抓取該頁面；
FOLLOW 指令表示搜索機器人可以沿着該頁面上的鏈接繼續抓取下去；
Robots Meta標籤的缺省值是INDEX和FOLLOW，只有inktomi除外，對於它，缺省值是INDEX,NOFOLLOW。
這樣，一共有四種組合：
＜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"＞可以寫成＜META NAME="ROBOTS" CONTENT="ALL"＞；
＜META NAME="ROBOTS" CONTENT="NOINDEX,NOFOLLOW"＞可以寫成＜META NAME="ROBOTS" CONTENT="NONE"＞
目前看來，絕大多數的搜索引擎機器人都遵守robots.txt的規則，而對於Robots META標籤，目前支持的並不多，但是正在逐漸增加，如著名搜索引擎GOOGLE就完全支持，而且GOOGLE還增加了一個指令“archive”，可以限制GOOGLE是否保留網頁快照。例如：
＜META NAME="googlebot" CONTENT="index,follow,noarchive"＞
表示抓取該站點中頁面並沿着頁面中鏈接抓取，但是不在GOOLGE上保留該頁面的網頁快照。
感謝原文作者
原文鏈接：http://www.seowhy.com/bbs/thread-240573-1-1.html