SEO告诉蜘蛛的robots文件都是怎样写的？

人亦已歌

做网站优化，首先就必须知道爬虫爬取网站的要求，当然这就是传说中的robots文件，见识过众多网站，但是你知道我们自己关注的网站robots文件都是怎样写的吗？

查了几个网站的情况，有淘宝的、京东的，还有比较奇怪的网站，还有有些人建站写robots文件的奇葩写法。

1、淘宝的：

淘宝的

2、京东

京东

3、1688（有点长，只截取了一部分）

1688

4、奇葩的写法

你知道 YandexBot、DotBot、bingbot、SemrushBot、SemrushBot-SA、AhrefsBot、YandexBot、DotBot、SemrushBot、SemrushBot-SA、AhrefsBot这些屏蔽的内容是什么吗？查了那么多的网站，的确找不到这些一段段的英文是什么意思。还有一些下面添加了sitemap的，更不明白了吧！

关于robots文件的写法，百度资源平台一直都有告诉我们。

robots.txt文件的格式

robots文件往往放置于根目录下，包含一条或更多的记录，这些记录通过空行分开（以CR,CR/NL, or NL作为结束符），每一条记录的格式如下所示：

“<field>:<optional space><value><optionalspace>”

在该文件中可以使用#进行注解，具体使用方法和UNIX中的惯例一样。该文件中的记录通常以一行或多行User-agent开始，后面加上若干Disallow和Allow行,详细情况如下：

User-agent:该项的值用于描述搜索引擎robot的名字。在”robots.txt”文件中，如果有多条User-agent记录说明有多个robot会受到”robots.txt”的限制，对该文件来说，至少要有一条User-agent记录。如果该项的值设为*，则对任何robot均有效，在”robots.txt”文件中，”User-agent:*”这样的记录只能有一条。如果在”robots.txt”文件中，加入”User-agent:SomeBot”和若干Disallow、Allow行，那么名为”SomeBot”只受到”User-agent:SomeBot”后面的 Disallow和Allow行的限制。

Disallow:该项的值用于描述不希望被访问的一组URL，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。例如”Disallow:/help”禁止robot访问/help.html、/helpabc.html、/help/index.html，而”Disallow:/help/”则允许robot访问/help.html、/helpabc.html，不能访问/help/index.html。”Disallow:”说明允许robot访问该网站的所有url，在”/robots.txt”文件中，至少要有一条Disallow记录。如果”/robots.txt”不存在或者为空文件，则对于所有的搜索引擎robot，该网站都是开放的。

Allow:该项的值用于描述希望被访问的一组URL，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。例如”Allow:/hibAIdu”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。

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。

最后需要说明的是：百度会严格遵守robots的相关协议，请注意区分您不想被抓取或收录的目录的大小写，百度会对robots中所写的文件和您不想被抓取和收录的目录做精确匹配，否则robots协议无法生效。

关于robots文件的撰写方法，一般人都是无从下手的，就像小编我一样，但是仔细分开来看，只需要写一个就行，那就是：

user-agent:*

disallow:/

或：

allow:/

一个禁止所有搜索引擎访问，一个是允许所有robots访问，当然为了安全起见，也可以选择国内外的所有搜索 引擎选择性屏蔽。

更多关于互联网的问题，小编这里都有！