- robots.txt（统一小写）是一种存放于网站根目录下的ASCII编码的文本文件，它通常告诉网络搜索引擎的漫游器（又称网络蜘蛛），此网站中的哪些内容是不应被搜索引擎的漫游器获取的，哪些是可以被漫游器获取的。
- 因为一些系统中的URL是大小写敏感的，所以robots.txt的文件名应统一为小写。robots.txt应放置于网站的根目录下。如果想单独定义搜索引擎的漫游器访问子目录时的行为，那么可以将自定的设置合并到根目录下的robots.txt，或者使用robots元数据（Metadata，又称元数据）。
- robots.txt协议并不是一个规范，而只是约定俗成的，所以并不能保证网站的隐私。注意robots.txt是用字符串比较来确定是否获取URL，所以目录末尾有与没有斜杠“/”表示的是不同的URL。
- robots.txt允许使用类似"Disallow: *.gif"这样的通配。
允许所有机器人
User-agent: *
Disallow:
//或者另一种写法
User-agent: *
Allow:/
仅允许特定的机器人
// name_spider用真实名字代替
User-agent: name_spider
Allow:
拦截所有的机器人
User-agent: *
Disallow: /
禁止所有机器人访问特定目录
User-agent: *
Disallow: /cgi-bin/
Disallow: /images/
Disallow: /tmp/
Disallow: /private/
仅禁止坏爬虫访问特定目录
// BadBot用真实的名字代替
User-agent: BadBot
Disallow: /private/
禁止所有机器人访问特定文件类型
User-agent: *
Disallow: /*.php$
Disallow: /*.js$
Disallow: /*.inc$
Disallow: /*.css$
替代
- 虽然robots.txt是最为广泛接受的方法，但也可以与robots META标签一起使用。
- robots META标签主要是针对一个独立的页面设置，与其他的META标签（如使用的语言、页面的描述、关键词等）一样，robots META标签也是放在页面的HEAD标签中，专门用来告诉搜索引擎robots如何抓取该页的内容。
<head>
<meta name="robots" content="noindex,nofollow" />
</head>
【注】本文参考链接：https://zh.wikipedia.org/wiki/Robots.txt