robots.txt又叫做robots协议，是国际互联网界通行的道德规范。robots.txt是一个文本文件，位于你网站的根目录，用来告知搜索引擎哪些页面能被抓取，哪些页面不能被抓取;可以屏蔽一些网站中比较大的文件，如：图片，音乐，视频等，节省服务器带宽;可以屏蔽站点的一些死链接!
怎么写robots.txt规则?
User-agent: * 这里的*代表的所有的搜索引擎种类，*是一个通配符 Disallow: /admin/ 这里定义是禁止爬寻admin目录下面的目录 Disallow: /require/ 这里定义是禁止爬寻require目录下面的目录 Disallow: /ABC/ 这里定义是禁止爬寻ABC目录下面的目录 Disallow: /cgi-bin/*.htm 禁止访问/cgi-bin/目录下的所有以".htm"为后缀的URL(包含子目录)。 Disallow: /*?* 禁止访问网站中所有包含问号 (?) 的网址 Disallow: /*.jpg禁止抓取网页所有的.jpg格式的图片 Disallow:/ab/adc.html 禁止爬取ab文件夹下面的adc.html文件。 Allow: /cgi-bin/ 这里定义是允许爬寻cgi-bin目录下面的目录 Allow: /tmp 这里定义是允许爬寻tmp的整个目录 Allow: .htm$ 仅允许访问以".htm"为后缀的URL。 Allow: /*.gif 允许抓取网页和gif格式图片 Sitemap: 网站地图 告诉爬虫这个页面是网站地图
我们可以在robots.txt里面增加crawl-delay 这个参数。
User-agent: * Crawl-delay: 1
上面的代码代表所有搜索引擎限制抓取频率为慢。如果不设置Crawl-delay就代表由搜索引擎自己决定抓取频率。这个值可以设置1、5、10，分别对应慢、Feichang慢、Ji慢。
如果是其他搜索引擎，例如Google、百度这些，都可以在对应的站长工具里面设置抓取频率，也可以通过robots.txt文件设置，相对来说，robots.txt生效时间会慢一点。
上一篇:phpcms v9文件上传报undefined是怎么回事？