一、什么是robots.txt和robots.txt有什么用？

搜索引擎的互联网爬虫（又叫搜索蜘蛛、Crawler、Spider等）抓取您网站的每一个公开的链接，或者只抓取您指定的某一部分链接，或者根本不抓取任何链接，用的就是使用robots.txt与搜索引擎爬虫之间的交流信息。

二、怎么使用robots.txt？

在站点的根目录下存放一个robots.txt文件。搜索引擎的爬虫在第一次抓取站点时会首先确认根目录下是否有robots.txt文件。例如，您的建网站地址是www.xxxx.com，我们会首先抓取http://www.xxxx.com/robots.txt再进行后续操作。如无法访问robots.txt文件，系统则默认为您站点的每个链接都可以被抓取。

三、怎么写robots.txt文件？

robots.txt是个很简单的文本文件，您只要标明“谁不能访问哪些链接”即可。
在文件的第一行写：
User-Agent: YoudaoBot
这就告诉了爬虫下面的描述是针对名叫YoudaoBot的爬虫。您还可以写：
User-Agent: *
这就意味着向所有的爬虫开放。需要注意的是一个robots.txt文件里只能有一个"User-Agent: *"。

接下来是不希望被访问的链接前缀。例如：
Disallow: /private
这就告诉爬虫不要抓取以"/private"开头的所有链接。包括/private.html，/private/some.html，/private/some/haha.html。如果您写成：
Disallow: /
则表明整个站点都不希望被访问。您也可以分多行来指定不希望被抓取的链接前缀，例如：
Disallow: /tmp
Disallow: /disallow
那么所有以"/tmp"和"/disallow"开头的链接都不会被访问了。

最后形成的robots.txt文件如下：
User-Agent: YoudaoBot
Disallow: /tmp
Disallow: /private

请注意，如果您的robots.txt文件里有中文等非英语字符，请确定该文件是由UTF-8编码编写。

四、怎样分别指定不同的网络爬虫？

这个操作很简单，只要分别指定“谁能或不能访问怎样的链接”即可。例如：
User-Agent:  YoudaoBot
Disallow:

User-Agent: *
Disallow: /private
上面的robots.txt表明，名为YoudaoBot的爬虫可以抓所有的内容，其它名称的爬虫不能抓以"/private"开头的链接。

五、如果你有很大一个数量的网页不想被搜索引擎抓取，但是这些URL地址还是会被计算在内，并累计流量等其他一些不为人知的独立的排名因素，但是它们并不能顺着这个链接继续爬下去，因此从它们那里倒出的链接永远不可能被看到，这里有两个便捷的方法：

　　1. 节省这些链接数据流通过当链接到robot.txt里面禁止的的目录时使用nofollow命令。

　　2. 如果你知道这些被禁止的页面有哪些固定的链接流(特别是外链带来的)，可以考虑下使用meta的noindex，follow来代替，这样蜘蛛就会跳过这些链接流，以便节省时间去检索更多你网站里需要它的页面!