武汉网络营销教你玩转robots协议

robots爬虫协议，相信很多SEOer或个人站长都不会感到陌生，即使刚入行的SEO小白也略有耳闻。对于SEO小白来说，只是听过robots爬虫协议并不了解robots协议真正意义和用法。
　　什么是robots协议
　　robots(中文翻译为机器人)，robots协议即搜索引擎爬虫协议，它是搜索引擎爬虫与网站站点沟通的“桥梁”。网站站点通过robots文件中的声明规则明确告知搜索引擎爬虫哪些文件/目录可以抓取，哪些文件/目录不可以抓取。
　　注意：如果网站站点存在不希望搜索引擎爬虫抓取收录的内容是，才有必要创建robots.txt文件;如果您希望搜索引擎收录网站上所有内容，则无需建立robots.txt文件。
 
 
　　robots.txt文件的存放位置
　　通常，网站的robots.txt文件放置在网站根目录下，便于搜索引擎爬虫第一时间抓取该文件。
 
　　robots.txt文件格式
　　1、robots文件通常包含以一条或多条User-agent开始，后面加上若干条Disallow或Allow。
 
　　2、User-agent:用来描述搜索引擎robot的名字。
 
　　3、如果存在多条User-agent记录说明有多个robot会受到"robots.txt"的限制，至少要有一条User-agent记录。
 
　　4、如果User-agent的值设为*，则对任何robot均有效，且"User-agent:*"这样的记录只能有一条。
 
　　5、如果有"User-agent:SomeBot"和若干Disallow、Allow行，那么搜索引擎爬虫名为"SomeBot"只受到"User-agent:SomeBot"后面的 Disallow和Allow行的限制。
 
　　6、Disallow:用来描述不希望被访问的一组URL。
 
　　7、这个值可以是一条完整的路径，也可以是路径的非空前缀，以Disallow项的值开头的URL不会被 robot访问。
 
　　8、比如："Disallow:/help"这条规则表示的是禁止robot访问/help.html、/helpabc.html、/help/index.html等。
 
　　9、比如："Disallow:/help/"这条规则表示的是允许robot访问/help.html、/helpabc.html，不能访问/help/index.html。
 
　　10、"Disallow:"说明允许robot访问该网站的所有url，robots.txt文件中，至少要有一条Disallow记录。
 
　　11、 如果网站根目录下robots.txt不存在或者为空文件，则对于所有的搜索引擎爬虫来说，该网站都是开放的。
 
　　12、Allow:用来描述希望被访问的一组URL。
　　13、与Disallow项相似，这个值可以是一条完整的路径，也可以是路径的前缀，以Allow项的值开头的URL 是允许robot访问的。
 
　　14、比如："Allow:/hibaidu"这条规则表示的是允许robot访问/hibaidu.htm、/hibaiducom.html、/hibaidu/com.html。一个网站的所有URL默认是Allow的，所以Allow通常与Disallow搭配使用，实现允许访问一部分网页同时禁止访问其它所有URL的功能。
 
　　15、使用"*"and"$"：Baiduspider支持使用通配符"*"和"$"来模糊匹配url("*" 匹配0或多个任意字符，"$" 匹配行结束符)。