前段时间笔者手上一个网站因为robots.txt文件失误被写错了几个字符，导致网站迟迟不被收录。当时感觉很不对劲，检查来检查去也没有检查出什么问题，后来登录Google网站管理员中心诊断网站才看到robots文件组织任何搜索引擎蜘蛛访问才发现问题，改过之后，收录正常。
前段时间笔者手上一个网站因为robots.txt文件失误被写错了几个字符，导致网站迟迟不被收录。当时感觉很不对劲，检查来检查去也没有检查出什么问题，后来登录Google网站管理员中心诊断网站才看到robots文件组织任何搜索引擎蜘蛛访问才发现问题，改过之后，收录正常。
robots.txt是搜索引擎中访问网站的时候要查看的第一个文件。Robots.txt文件告诉蜘蛛程序在服务器上什么文件是可以被查看的。当一个搜索蜘蛛访问一个站点时，它会首先检查该站点根目录下是否存在robots.txt，如果存在，搜索机器人就会按照该文件中的内容来确定访问的范围；如果该文件不存在，所有的搜索蜘蛛将能够访问网站上所有没有被口令保护的页面。
robots.txt文件的写法你知道多少呢?对比一下下面的例子：
1、禁止所有搜索引擎访问网站的任何部分，也就是是禁止任何搜索引擎收录你的网站。
User-agent: *
Disallow: /
2、允许所有的搜索引擎访问你的网站的任何部分，这是通常的用法。
User-agent: *
Disallow:
或者
User-agent: *
Allow: /
3、仅禁止某一搜索引擎访问你的网站。百度是Baiduspider Google是Googlebot
User-agent: Baiduspider
Disallow: /
或者
User-agent: Googlebot
Disallow: /
4、仅仅允许某一搜索引擎访问你的网站。同样百度是Baiduspider Google是Googlebot
User-agent: Baiduspider
Disallow:
或者
User-agent: Googlebot
Disallow:
5、如果你网站的某个目录不希望被搜索引擎收录，写法如下：
User-agent: *
Disallow: /目录名称1/
Disallow: /目录名称2/
Disallow: /目录名称3/
注意：不能写成Disallow: /目录名称1/ /目录名称2/ 这样的形式，每个目录要单独另起一行特别说明。
6、禁止搜索引擎访问网站中所有的动态页面(动态页面就是URL中任何带有“?”的页面)
User-agent: *
Disallow: /*?*
7、仅仅允许搜索引擎访问某一特定文件后缀形式的网页。
User-agent: *
Allow: .后缀形式(如.html、.htm、.PHP等等)$
Disallow: /
8、限制搜索引擎访问某一特定文件后缀形式的网页。
User-agent: *
Disallow: /*.后缀形式(如.html、.htm、.PHP等等)
9、允许搜索引擎访问特定目录中的网页
User-agent: *
Allow: /目录1/目录2(允许访问目录2中的网页)
Allow: /目录3/目录4(允许访问目录4中的网页)
Allow: /目录5/目录6(允许访问目录6中的网页)
Disallow: /目录1/
Disallow: /目录3/
Disallow: /目录5/
10、阻止搜索引擎访问网站中特定某一文件格式的文件(注意不是网页)
User-agent: *
Disallow: /*.(文件格式：如gif、jpg等等)$
以上是一些常用的格式。具体的写法还要以各个网站需求而定。写robots.txt还要注意以下一些问题：
1、robots.txt文件是以纯文本格式保存的txt文件。
2、robots.txt必须防止在网站的根目录中。最上层的robots.txt文件必须这样被访问：如http://www.wanseo.com/robots.txt
3、书写robots.txt时要严格按照以上大小写形式书写
4、通常你的网站如果比较简单，那么以上的格式足够你使用的了。如果比较复杂，需要访问这里而又不需要访问那里，禁止这个文件又要允许那个文件，允许访问访问带有“?”符号的特定网页等等，那么你需要结合以上格式仔细研究合适于你网站的robots.txt文件写法。
5、robots.txt通常在某个分目录中还可以存在，但是如果与顶级目录中的robots.txt有冲突，则以顶级目录中robots.txt命令为准。
6、仅当您的网站包含不希望被搜索引擎收录的内容时，才需要使用robots.txt文件。如果您希望搜索引擎收录网站上所有内容，请勿建立robots.txt文件或者创建一个内容为空的robots.txt文件。这一点通常被人们忽略，实际上建立空的robots.txt文件对搜索引擎非常不友好。
7、如果你不想自己动手写robots.txt文件，那么请Google帮你写。登录Google网站管理平台，有生成robots.txt文件的功能。
8、User-agent: *
Disallow: /
这种格式不仅仅是禁止抓取页面，更重要的是如果你的网站被收录了，然后又把robots.txt文件修改成以上格式，那么你的网站将在搜索引擎中被删除，整个地删除。
9、元标记对于一般的网站来说可有可无，不过你还是得了解：
＜META NAME="ROBOTS" CONTENT="INDEX,FOLLOW"＞（允许抓取该页面，允许跟着该页面上的链接继续抓取）
＜META NAME="ROBOTS" CONTENT="NOINDEX,FOLLOW"＞（不允许抓取该页面，允许跟着该页面上的链接继续抓取）
＜META NAME="ROBOTS" CONTENT="INDEX,NOFOLLOW"＞（允许抓取该页面，不允许跟着该页面上的链接继续抓取）
＜META NAME="ROBOTS" CONTENT="NOINDEX,NOFOLLOW"＞（不允许抓取该页面，不允许跟着该页面上的链接继续抓取）
10、需要删除一些被搜索引擎收录的特定网页，参考http://www.google.com/support/webmasters/bin/answer.py?answer=35301
貌似目前只有Google这么做。
robots.txt使用误区
误区一：我的网站上的所有文件都需要蜘蛛抓取，那我就没必要在添加robots.txt文件了。反正如果该文件不存在，所有的搜索蜘蛛将默认能够访问网站上所有没有被口令保护的页面。
每当用户试图访问某个不存在的URL时，服务器都会在日志中记录404错误（无法找到文件）。每当搜索蜘蛛来寻找并不存在的robots.txt文件时，服务器也将在日志中记录一条404错误，所以你应该做网站中添加一个robots.txt。
误区二：在robots.txt文件中设置所有的文件都可以被搜索蜘蛛抓取，这样可以增加网站的收录率。
网站中的程序脚本、样式表等文件即使被蜘蛛收录，也不会增加网站的收录率，还只会浪费服务器资源。因此必须在robots.txt文件里设置不要让搜索蜘蛛索引这些文件。
误区三：搜索蜘蛛抓取网页太浪费服务器资源，在robots.txt文件设置所有的搜索蜘蛛都不能抓取全部的网页。
如果这样的话，会导致整个网站不能被搜索引擎收录。
本文来自安徽seo(www.wanseo.com)。原文http://www.wanseo.com/node/47 转载请保留出处及原文地址。
