什么是Robots.txt文件，对有什么用

robots.txt，是一个给搜索引擎机器人下指令的文本文件，用于优化。

如果用对了，可以确保搜索引擎机器人（也叫爬虫或蜘蛛）正确抓取和索引你的网站页面。

如果用错了，可能会对排名和网站流量造成负面影响，那怎么设置robots.txt文件才算正确？一灯今天就和大家分享下一点心得，内容主要包括以下几个方面。

1. robots.txt是什么？

robots.txt是一个放在网站根目录的纯文本文件，需要自己添加，如下图所示。

如果你网站的域名是www.zimengwangluo.cn，robots.txt的查看地址是www.zimengwangluo.cn/robots.txt。

robots.txt里包含了一组搜索引擎机器人指令。

当搜索引擎机器人访问你网站时，首先会查看robots.txt文件里的内容，然后根据robots.txt的指示进行网站页面的抓取和索引，进而收录某些页面，或不收录某些页面。

需要注意的是，robots.txt文件不是那种强制性、必须要做的设置。至于做与不做，为什么要做，做了有什么用，我接下来为大家详细解释。

2. robots.txt对有什么用？

简单的说，robots.txt有两个功能，允许和阻止搜索引擎机器人抓取你的网站页面。如果没有的话，搜索引擎机器人将对整个网站进行爬行，包括网站根目录的所有数据内容。

具体的工作原理可以参考elliance的说明，如下图所示。

1993年，互联网才起步没多久，能被发现的网站少之又少，Matthew Gray编写了一个蜘蛛爬虫程序World Wide Web Wanderer，目的是发现收集新网站做网站目录。

但后面搞爬虫的人不仅是收集网站目录这么简单，还会抓取下载大量网站数据。

同年7月，Aliweb创始人Martijn Koster的网站数据被恶意抓取，于是他提出了robots协议。

目的是告诉蜘蛛爬虫，哪些网页可以爬行，哪些网页不可以爬行，特别是那些不想被人看到的网站数据页面。经过一系列的讨论，robots.txt正式走上历史舞台。

从角度来说，刚上线的网站，由于页面较少，robots.txt做不做都可以，但随着页面的增加，robots.txt的作用就体现出来了，主要表现在以下几个方面。

• 优化搜索引擎机器人的爬行抓取
• 阻止恶意抓取，优化服务器资源
• 减少重复内容出现在搜索结果中
• 隐藏页面链接出现在搜索结果中

3. robots.txt怎么写才符合优化？

• User-agent: 后面填你要针对的搜索引擎，*代表全部搜索引擎
• Disallow: 后面填你要禁止抓取的网站内容和文件夹，/做前缀
• Allow: 后面填你允许抓取的网站内容，文件夹和链接，/做前缀
• Crawl-delay: 后面填数字，意思是抓取延迟，小网站不建议使用

User-agent: *
Disallow: /wp-admin/
Allow: /wp-admin/admin-ajax.php
Sitemap: https://www.yourdomain.com/sitemap.xml

User-agent: *
Allow: /
Sitemap: https://www.yourdomain.com/sitemap.xml

总结