一、robots协议到底是什么？
先来说说什么是Robots协议，它也叫机器人协议或爬虫协议，它并不是一个指令，而是一个文本，一般来说常见的文本编辑器都可以创建和编辑它，它具有非常强大的作用和功能。网站可以通过Robots协议告诉搜索引擎哪些网站页面可以抓取，哪些网站页面不能被抓取。有的网站优化人员可能使用的建站系统自带Robots.txt文件，有的压根就没有Robots.txt文件。这使得爬虫无法对网站进行爬取索引。自然而然的不会收录你的网站，所以大家在建站之后一定要记得查看是否存在在Robots.txt以及它的内容是否规范。
二、robots.txt文件设置要求1、robots.txt文件必须放置在网站根目录；2、robots.txt文件名必须小写。根据上面两点提示我们查看到绝大部分网站的robots.txt文件，如果出现无法访问的现象，最大可能就是网站根目录中没有此文件。
三、常见语法的定义User-agent:定义搜索引擎。如果想定义所有搜索引擎请用*;Disallow:禁止搜索引擎抓取，“/”表示根目录，代表网站的所有目录。Allow: 是允许的意思，这里只简单的做一下描述，具体的操作写法请参考百度文库。希望以上关于网站优化的robots协议的内容对大家有帮助，一般主流的搜索引擎都会遵守robots文件指令，Robots可以用来防止搜索引擎抓取那些我们不想被搜索引擎索引的内容。我们可以用它来保护一些隐私的内容，屏蔽死链接和无内容页面和重复页面。
Robots协议用来告知搜索引擎哪些页面能被抓取，哪些页面不能被抓取；可以屏蔽一些网站中比较大的文件，如：图片，音乐，视频等，节省服务器带宽；可以屏蔽站点的一些死链接。方便搜索引擎抓取网站内容；设置网站地图连接，方便引导蜘蛛爬取页面。
此为君子协议，只能作为建议给出，但是良好的网络公民都应该遵守这些限制。
Robots协议是国际互联网界通行的道德规范，基于以下原则建立：
1、搜索技术应服务于人类，同时尊重信息提供者的意愿，并维护其隐私权；
2、网站有义务保护其使用者的个人信息和隐私不被侵犯。
查看站点的robots协议
robots.txt一般放在站点根目录下：
百度：https://www.baidu.com/robots.txt
博客园：https://www.cnblogs.com/robots.txt
GitHub:https://github.com/robots.txt
新浪新闻：https://news.sina.com.cn/robots.txt
文件写法
User-agent: * 这里的*代表的所有的搜索引擎种类，*是一个通配符
Disallow: /admin/ 这里定义是禁止爬寻admin目录下面的目录
Disallow: /require/ 这里定义是禁止爬寻require目录下面的目录
Disallow: /ABC/ 这里定义是禁止爬寻ABC目录下面的目录
Disallow: /cgi-bin/*.htm 禁止访问/cgi-bin/目录下的所有以".htm"为后缀的URL(包含子目录)。
Disallow: /*?* 禁止访问网站中所有包含问号 (?) 的网址
Disallow: /.jpg$ 禁止抓取网页所有的.jpg格式的图片
Disallow:/ab/adc.html 禁止爬取ab文件夹下面的adc.html文件。
Allow: /cgi-bin/ 这里定义是允许爬寻cgi-bin目录下面的目录
Allow: /tmp 这里定义是允许爬寻tmp的整个目录
Allow: .htm$ 仅允许访问以".htm"为后缀的URL。
Allow: .gif$ 允许抓取网页和gif格式图片
Sitemap: 网站地图 告诉爬虫这个页面是网站地图