我們知道，搜索引擎都有自己的“搜索機器人”（ROBOTS），并通過這些ROBOTS在網絡上沿著網頁上的鏈接（一般是http和src鏈接）不斷抓取資料建立自己的數據庫。

　　對于網站管理者和內容提供者來說，有時候會有一些站點內容，不希望被ROBOTS抓取而公開。為了解決這個問題，ROBOTS開發界提供了兩個辦法：一個是robots.txt，另一個是The Robots META標簽。  

　　一、robots.txt

　　1、 什么是robots.txt？

　　robots.txt是一個純文本文件，通過在這個文件中聲明該網站中不想被robots訪問的部分，這樣，該網站的部分或全部內容就可以不被搜索引擎收錄了，或者指定搜索引擎只收錄指定的內容。

　　當一個搜索機器人訪問一個站點時，它會首先檢查該站點根目錄下是否存在robots.txt，如果找到，搜索機器人就會按照該文件中的內容來確定訪問的范圍，如果該文件不存在，那么搜索機器人就沿著鏈接抓取。

　　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。

　　網站 URL　　　　　　　相應的 robots.txt的 URL
 
http://www.w3.org/　 　　http://www.w3.org/robots.txt
 
http://www.w3.org:80/　 　http://www.w3.org:80/robots.txt
 
http://www.w3.org:1234/　 http://www.w3.org:1234/robots.txt
 
http://w3.org/　　　　　 http://w3.org/robots.txt

　　2、 robots.txt的語法


　　"robots.txt"文件包含一條或更多的記錄，這些記錄通過空行分開（以CR,CR/NL, or NL作為結束符），每一條記錄的格式如下所示：

　　"<field>:<optionalspace><value><optionalspace>"。

　　在該文件中可以使用#進行注解，具體使用方法和UNIX中的慣例一樣。該文件中的記錄通常以一行或多行User-agent開始，后面加上若干Disallow行,詳細情況如下：

　　User-agent: 

　　該項的值用于描述搜索引擎robot的名字，在"robots.txt"文件中，如果有多條User-agent記錄說明有多個robot會受到該協議的限制，對該文件來說，至少要有一條User-agent記錄。如果該項的值設為*，則該協議對任何機器人均有效，在"robots.txt"文件中， "User-agent：*"這樣的記錄只能有一條。

　　Disallow :

　　該項的值用于描述不希望被訪問到的一個URL，這個URL可以是一條完整的路徑，也可以是部分的，任何以Disallow 開頭的URL均不會被robot訪問到。例如"Disallow: /help"對/help.html 和/help/index.html都不允許搜索引擎訪問，而"Disallow: /help/"則允許robot訪問/help.html，而不能訪問/help/index.html。

　　任何一條Disallow記錄為空，說明該網站的所有部分都允許被訪問，在"/robots.txt"文件中，至少要有一條Disallow記錄。如果 "/robots.txt"是一個空文件，則對于所有的搜索引擎robot，該網站都是開放的。 

　　下面是一些robots.txt基本的用法：

　　禁止所有搜索引擎訪問網站的任何部分：

User-agent: *
Disallow: /

　　允許所有的robot訪問

User-agent: *
Disallow:

　　或者也可以建一個空文件 "/robots.txt" file

　　禁止所有搜索引擎訪問網站的幾個部分（下例中的cgi-bin、tmp、private目錄）

User-agent: *
Disallow: /cgi-bin/
Disallow: /tmp/
Disallow: /private/

　　禁止某個搜索引擎的訪問（下例中的BadBot）
User-agent: BadBot
Disallow: /

　　只允許某個搜索引擎的訪問（下例中的WebCrawler）
User-agent: WebCrawler
Disallow:

User-agent: *
Disallow: /

　　3、常見搜索引擎機器人Robots名字


名稱                     搜索引擎

Baiduspider            http://www.baidu.com 

Scooter              http://www.altavista.com 

ia_archiver             http://www.alexa.com 

Googlebot           http://www.google.com 

FAST-WebCrawler http://www.alltheweb.com 

Slurp                  http://www.inktomi.com 

MSNBOT            http://search.msn.com