Robots.txt的标准制作法

一个网站，可以有robots.txt，也可以没有。但是如果要有，那就必须做的规范，下面就个人经验来说下robots.txt的制作方法。

　　robots.txt文件命令包括：

　　Disallow - 告诉蜘蛛不要抓取某些文件或目录。如下面代码将阻止蜘蛛抓取所有的网站文件：

　　User-agent: *

　　Disallow: /

　　Allow - 告诉蜘蛛应该抓取某些文件。Allow和Disallow配合使用，可以告诉蜘蛛某个目录下，大部分都不抓取，只抓取一部分。如下面代码将使蜘蛛不抓取ab目录下其他文件，而只抓取其中cd下的文件：

　　User-agent: *

　　Disallow: /ab/

　　Allow: /ab/cd

　　$通配符 - 匹配URL结尾的字符。如下面代码将允许蜘蛛访问以.htm为后缀的URL：

　　User-agent: *

　　Allow: .htm$

　　*通配符 - 告诉蜘蛛匹配任意一段字符。如下面一段代码将禁止蜘蛛抓取所有htm文件：

　　User-agent: *

　　Disallow: /*.htm

　　Sitemaps位置 - 告诉蜘蛛你的网站地图在哪里，格式为：

　　Sitemap:

　　三家都支持的Meta标签包括：

　　NOINDEX - 告诉蜘蛛不要索引某个网页。

　　NOFOLLOW - 告诉蜘蛛不要跟踪网页上的链接。

　　NOSNIPPET - 告诉蜘蛛不要在搜索结果中显示说明文字。

　　NOARCHIVE - 告诉蜘蛛不要显示快照。

　　NOODP - 告诉蜘蛛不要使用开放目录中的标题和说明。

　　上面这些记录或标签，现在三家都共同支持。其中通配符好像以前雅虎微软并不支持。百度现在也支持Disallow，Allow及两种通配符。Meta标签我没有找到百度是否支持的官方说明。

　　只有Google支持的Meta标签有：

　　UNAVAILABLE_AFTER - 告诉蜘蛛网页什么时候过期。在这个日期之后，不应该再出现在搜索结果中。

　　NOIMAGEINDEX - 告诉蜘蛛不要索引页面上的图片。

　　NOTRANSLATE - 告诉蜘蛛不要翻译页面内容。

　　雅虎还支持Meta标签：

　　Crawl-Delay - 允许蜘蛛延时抓取的频率。

　　NOYDIR - 和NOODP标签相似，但是指雅虎目录，而不是开放目录。

　　Robots-nocontent - 告诉蜘蛛被标注的部分html不是网页内容的一部分，或者换个角度，告诉蜘蛛哪些部分是页面的主要内容(想被检索的内容)。

　　MSN还支持Meta标签：

　　Crawl-Delay

　　另外提醒大家注意的是，返回404错误的时候，意味着允许蜘蛛抓取所有内容。但抓取robots.txt文件时却发生超时之类的错误，可能导致搜索引擎不收录网站，因为蜘蛛不知道robots.txt文件是否存在或者里面有什么内容，这与确认文件不存在是不一样的。