今天，推来客与你分享当你开始建立一个网站时应该理解的第一件事，也就是在访问一个网站时应该访问的第一件事。肯定有人猜到是什么了。没错，就是机器人的功能和写法。

一、什么是机器人？有什么用？

“机器人”被一些同行称为“萝卜丝“，是搜索引擎的机器协议。全称是“网络爬虫排除协议”。该网站通过机器人协议告诉搜索引擎哪些页面可以被抓取，哪些页面不能被抓取。

因为网站的很多目录如果被抓取的话是有风险的，或者是因为盈利原因无法抓取的，所以有必要告诉蜘蛛侠你的网站是否被允许。

Robots放在网站根目录下，名字叫robots.txt

二、机器人有哪些指令？

机器人的指令很简单。只有三个说明。一般我们也会把地图放在上面，这样蜘蛛抓到机器人后就可以直接沿着地图爬了。

用户代理：该指令定义了该指令的下列内容对哪些蜘蛛有效。默认情况下，所有蜘蛛都可以爬行。如果此指令指定了特定的蜘蛛，则此指令后面的内容对特定的蜘蛛有效。

Disallow:这个指令定义了哪些蜘蛛是禁止爬行的，因为有些人可能认为网站肯定想被爬行。不对，如果是背景或者私人文件，我相信没有人愿意被抢。

Allow:该指令定义允许蜘蛛捕捉什么内容。如果某些内容被允许，而其他内容被拒绝，则可以使用该指令。大多数网站只使用禁止说明。

Sitemap:顾名思义，就是我们常说的站点地图。这里就不详细介绍站点地图了，推来客的WEO会在下一节详细介绍站点地图的功能和用法。我们把站点地图放在Robots下面，方便蜘蛛直接访问Robots的时候访问你的地图。

第三，机器人的书写方式

1.用户代理：用于定义蜘蛛名称：常见的蜘蛛名称包括Baiduspider、Googlebot、MSNBot、Baiduspider-image、YoudaoBot、搜狗网蜘蛛、搜狗inst  spider、搜狗蜘蛛2、搜狗博客、搜狗新闻蜘蛛、搜狗猎户座蜘蛛、Sosospider、盘古蜘蛛、JikeSpider、yisouspider、EasouSpider。

2、禁止：

用来定义什么是不允许蜘蛛爬行的。在机器人中最难使用的东西，也是最常见的问题就是allow命令。或者整个机器人的本质在于不允许。如果你很好地学习了这个指令的用法，你就能写出完美的机器人。这里我将列出一些最常用的不允许用法。

严禁抢全站：

不允许： /

禁止woniuseo目录在根目录下爬行：

Disallow: /woniuseo/

禁止在根目录下的woniuseo目录中抓取单个页面的woniuseo.html:

不允许：/woniuseo/woniuseo.html

禁止全站遏制？已爬网的页面：

不允许： /*？*

禁止包含woniuseo的页面在全站被抓取；

不允许： /*woniuseo*

带后缀的页面。禁止对整个站点中的aspx进行爬网：

Disallow: /*。aspx$

禁止对带后缀的文件进行爬网。全站jpg:

Disallow:/*。jpb$

3.Allow:

Allow命令通常不会单独使用。Allow命令通常允许首先对目录进行爬网，然后禁止对所有其他页面进行爬网。

允许对所有页面进行爬网：

Allow: /

允许对woniuseo目录进行爬网：

Allow: /woniuseo/

允许爬行。html页面：

Allow: /*。html$

允许抓取。jpg图片：

Allow: /*。jpg$

第四，机器人的应用

推来客

自己的网站的robots文件是这样写的：

　　User-agent: *Disallow: /wp-admin/Disallow: /wp-content/Disallow: /wp-includes/Disallow: /tag/Disallow: /wp-config.phpAllow: /

　　sitemap:http://www.woniuseo.com/sitemap.xml

　　禁止所有搜索引擎抓取所有页面：

　　User-agent: *

　　Disallow: /

　　这种情况一般用在新站建好还没正式上线，不希望蜘蛛抓取时。

　　禁止百度蜘蛛抓取所有页面：

　　User-agent: Baiduspider

　　Disallow: /

　　淘宝就因为与百度的利益关系，从2008年就禁止百度抓取它所有页面了。

　　仅允许百度蜘蛛抓取所有页面：

　　User-agent: Baiduspider

　　Allow: /

　　User-agent: *

　　Disallow: /

　　禁止所有蜘蛛抓取特定的目录和页面,允许其它所有：

　　User-agent: *

　　Disallow: /sys-admin/

　　Disallow: /aboutwoniu.html

　　Allow: /

　　仅允许蜘蛛抓取.html的页面与.jpg的图片：

　　User-agent:*

　　Allow: /*.html$

　　Allow: /*.jpg$

　　Disallow:/

　　禁止所有动态的页面的抓取，允许其它：

　　User-agent: *

　　Disallow: /*?*

　　Allow: /

　　允许某个目录下某个目录被抓取，禁止其它

　　User-agent: *

　　Allow: /woniuseo/woniuseo/

　　Disallow:/woniuseo/

　　五、 关于robots的网络大事件

　　淘宝封杀

　　2008年9月8日，淘宝网宣布封杀百度爬虫，百度忍痛遵守爬虫协议。因为一旦破坏协议，用户的隐私和利益就无法得到保障，搜索网站就谈不到人性关怀

　　京东封杀

　　2011年10月25日，京东商城正式将一淘网的搜索爬虫屏蔽，以防止一淘网对其的内容抓取。

　　BE违规抓取Evay

　　美国BE拍卖公司无视Ebey公司网站 robots协议，终于2000年2月被告上法庭，最终被判Be侵权。

　　360搜索无视robots协议

　　2012年8月，360综合搜索被指违反robots协议，被业内指为“违规”警告。

　　如果大家看完上面的指令还有疑问一话，请大家访问“推来客SEO博客”留言或者直接加入 推来客SEO博客 的官方群，找博主来看大家的Disallow应该怎么写才对。关于Robots的用法还有很多很多，推来客SEO 在这里没法一一列举出来，如果大家对Robots还有疑问。请大家访问“推来客SEO博客”。在这里，我会给大家量解答大家的疑问。另外我也会在自己的博客里面分享更多SEO相关的知识，希望能够对大家SEO的道路有一点帮助。

我们专注高端建站，小程序开发、软件系统定制开发、BUG修复、物联网开发、各类API接口对接开发等。十余年开发经验，每一个项目承诺做到满意为止，多一次对比，一定让您多一份收获！