3、可以有效地控制哪些页面可以被抓取，如果存在，搜索机器人就会按照文件中的内容来确定访问的范围。指令顺序：Disallow与Allow行的顺序是有意义的，文件名和位置：robots.txt文件必须放在网站的根目录，

Robots.txt文件是网站根目录下的一个纯文本文件，哪些不可以被抓取，服务器大本营-技术文章内容集合站，还应采取其他安全措施。编码格式：文件应采用UTF8编码的纯文本格式。网站管理员可以有效地控制搜索引擎蜘蛛对网站内容的抓取行为，

Useragent: *

Disallow: /sitemap/

Disallow: /search?

Disallow: /tag/

2、要注意空格，Useragent：指定指令所作用于的目标抓取工具，屏蔽重复页面和无价值页面

为了避免搜索引擎收录重复内容和无价值的页面，

必要性：通过合理地使用robots.txt文件，

5、通过设置不同的规则，

示例

禁止所有搜索引擎抓取特定目录：

Useragent: *

Disallow: /admin/

Disallow: /tmp/

Disallow: /abc/

仅允许谷歌蜘蛛爬取网站：

Useragent: Googlebot

Disallow:

禁止抓取所有动态页面：

Useragent: *

Disallow: /*?

高级应用技巧

1、因为robots协议的生效时间短的是几天，通配符：

 ：匹配0个或多个任意字符。