搜索引擎用来爬取网页内容的工具我们称之为搜索引擎机器人。

搜索引擎机器人每次来到要抓取的网站，都会先访问这个网站根目录下的一个文件（robots.txt），如果不存在该文件，则搜索引擎机器人默认这个网站允许其全部抓取。

robots.txt是一个简单的纯文本文件（记事本文件），搜索引擎机器人通过robots.txt里的“说明”，理解该网站是否可以全部抓取或部分抓取。

如果你希望搜索引擎收录你网站的全部网页，则你可以不设置robots.txt或上传一个命名为robots.txt的空记事本到根目录。

上传你的robots.txt后，通过 你的域名/robots.txt 可以正常访问。 注意，robots.txt的命名，都应该是小写。

robots.txt文件的内容主要就是一个代码：Disallow:

注意，robots.txt文件中一般要包含至少一个Disallow:

如果都允许收录，你可以写一行Disallow:/search.html   这个文件(search.html)本来就不存在也没事。

格式如：

User-agent: *

Disallow: /wp-admin/

Disallow: /wp-includes/

Disallow: /wp-content/plugins

Disallow: /wp-content/themes

Disallow: /*?*

Disallow: /tag/*

Disallow: /?order=

robots.txt搜索引擎协议说明：

User-agent: *   星号说明，允许所有的搜索引擎来收录，包括百度、google、yahoo等。

Disallow: /wp-admin/  说明不允许收录/wp-admin/ 这个文件（网站后台）。

Disallow: /tag/* 说明不允许收录 /tag/*  tag里面的链接。

Disallow: /wp-content/plugins 说明不允许收录/wp-content/plugins里的所有文件。但可以收录如：/wp-content/seoxzw.com的链接。

Disallow: /*?*

Disallow: /?order=      这两个写法屏蔽全站url内带有 ? 和 ?order= 的连接

这里介绍的是常用的几个代码。

如果需要了解更多关于Disallow:的用法，请了解百度官方的介绍.

通过robots.txt来删除被收录的内容

1、当你的网页已被收录，但想用robots.txt删除掉，一般需要1-2个月。

2、结合Google网站管理员工具，你可以马上删除被Google收录的网页。

3、结合百度的站长平台，通过这里可以尽快删除被百度收录的页面

robots.txt搜索引擎协议相关问题：

1、我发现有一个网站被K了，但它加了我的网站链接，我可以把它屏蔽吗？
被K的网站加你网站的链接，对你网站是没有太大影响的。通过robots.txt也没有办法屏蔽外部链接。

2、我的首页是index.html，我可以把index.php屏蔽吗？

为了安全起见，请不要屏蔽，因为index.html 才是真实存在的首页。不屏蔽是一定没事，但屏蔽了，可能存在隐患。

3、我不喜欢我网站的后台登陆地址被搜索引擎收录，同时也不希望放在robots.txt里被其他人知道。我怎么来屏蔽呢？

这个确实是一个问题，我们想到一个解决办法是这样：

比如：你的网站后台是/wp-admin.php    那么你在robtos.txt里只要写上

Disallow: /wp-admi     这样的写法，就屏蔽了 /wp-admi  之后所有的url方式。

4、如果我只是具体某一个页面不希望被收录，怎么办？

在这个robtos.txt里直接屏蔽这个页面的URL就可以。

如：Disallow: /123/nourl.html

5、有什么注意的经验？

1）在robots.txt里屏蔽了首页文件。比如：index.html、index.php、Default.php，原因是，他的首页可能是index.asp，但通过以上这几个也能访问首页，于是，他就想屏蔽了他们。这样的做法是不对的。首页，尽量都不要屏蔽。

2）如果网站上存在一些比较大的文件、比如：打包文件、大图片文件、音乐文件、或电影文件、日志文件夹等等，可以屏蔽掉，因为这些文件可能让你的流量过大，占用过多宽带。

这里有一个

Disallow: /tupian/   因为网站很多图片放在tupian里，通过这个方式，就可以避免图片被收录，从而节省流量和带宽。

robots.txt文件中一定要包含一个Disallow:     这是规则！

那么当你所有的内容都允许被收录的时候，怎么办呢？

可以写一行类似：

Disallow:/search.html   或者：Disallow:/123.html

这个文件(search.html或123.html)本来就不存在也没事。

因为要求robots.txt文件中必须要有一个Disallow: ，所以你就造一个页面来屏蔽。

广州seo切身教训：我在最初给某网站做robots.txt文件时候，文件名写为Robots.txt……

结果是蜘蛛无视这个文件的存在，当时让我郁闷了好几天。。。。

再要注意的是：修改robots.txt后在48小时内生效，不过要禁止收录以前百度已收录的内容，从搜索结果中去除可能需要数月的时间。

SEOer在写robots.txt搜索引擎协议时请务必要细心细心再细心！