怎麼樣拒絕搜索引擎抓取頁面?有些時候，我們建立的一些網頁，不希望被網友通過搜索引擎找到，該如何做呢?本文介紹瞭如何使用robots.txt防止搜索引擎抓取頁面的一些技巧。
Robots.txt 文件對抓取網絡的搜索引擎漫遊器(稱爲漫遊器)進行限制。這些漫遊器是自動的，在它們訪問網頁前會查看是否存在限制其訪問特定網頁的 robots.txt 文件。如果你想保護網站上的某些內容不被搜索引擎收入的話，robots.txt 是一個簡單有效的工具。這裏簡單介紹一下怎麼使用它。
怎麼樣拒絕搜索引擎抓取頁面?如何放置 Robots.txt 文件
robots.txt自身是一個文本文件。它必須位於域名的根目錄中並 被命名爲"robots.txt"。位於子目錄中的 robots.txt 文件無效，因爲漫遊器只在域名的根目錄中查找此文件。例如，http://www.example.com/robots.txt 是有效位置，http://www.example.com/mysite/robots.txt 則不是。
這裏舉一個robots.txt的例子：
User-agent： *
Disallow： /cgi-bin/
Disallow： /tmp/
Disallow： /~name/
使用 robots.txt 文件攔截或刪除整個網站
要從搜索引擎中刪除您的網站，並防止所有漫遊器在以後抓取您的網站，請將以下 robots.txt 文件放入您服務器的根目錄：
User-agent： *
Disallow： /
要只從 Google 中刪除您的網站，並只是防止 Googlebot 將來抓取您的網站，請將以下 robots.txt 文件放入您服務器的根目錄：
User-agent： Googlebot
Disallow： /
每個端口都應有自己的 robots.txt 文件。尤其是您通過 http 和 https 託管內容的時候，這些協議都需要有各自的 robots.txt 文件。例如，要讓 Googlebot 只爲所有的 http 網頁而不爲 https 網頁編制索引，應使用下面的 robots.txt 文件。
對於 http 協議 (http://yourserver.com/robots.txt)：
User-agent： *
Allow： /
對於 https 協議 (https：//yourserver.com/robots.txt)：
User-agent： *
Disallow： /
允許所有的漫遊器訪問您的網頁
User-agent： *
Disallow：
(另一種方法： 建立一個空的 "/robots.txt" 文件， 或者不使用robot.txt。)
使用 robots.txt 文件攔截或刪除網頁
您可以使用 robots.txt 文件來阻止 Googlebot 抓取您網站上的網頁。 例如，如果您正在手動創建 robots.txt 文件以阻止 Googlebot 抓取某一特定目錄下(例如，private)的所有網頁，可使用以下 robots.txt 條目：
User-agent： Googlebot
Disallow： /private
要阻止 Googlebot 抓取特定文件類型(例如，.gif)的所有文件，可使用以下 robots.txt 條目：
User-agent： Googlebot
Disallow： /*.gif$
要阻止 Googlebot 抓取所有包含 ? 的網址(具體地說，這種網址以您的域名開頭，後接任意字符串，然後是問號，而後又是任意字符串)，可使用以下條目：
User-agent： Googlebot
Disallow： /*?
儘管我們不抓取被 robots.txt 攔截的網頁內容或爲其編制索引，但如果我們在網絡上的其他網頁中發現這些內容，我們仍然會抓取其網址並編制索引。因此，網頁網址及其他公開的信息，例如指 向該網站的鏈接中的定位文字，有可能會出現在 Google 搜索結果中。不過，您網頁上的內容不會被抓取、編制索引和顯示。
怎麼樣拒絕搜索引擎抓取頁面?作爲網站管理員工具的一部分，Google提供了robots.txt分析工具 。它可以按照 Googlebot 讀取 robots.txt 文件的相同方式讀取該文件，並且可爲 Google user-agents(如 Googlebot)提供結果。我們強烈建議您使用它。 在創建一個 robots.txt 文件之前，有必要考慮一下哪些內容可以被用戶搜得到，而哪些則不應該被搜得到。 這樣的話，通過合理地使用 robots.txt ， 搜索引擎在把用戶帶到您網站的同時，又能保證隱私信息不被收錄。