一、什麼是robots.txt
robots.txt 檔案由一條或多條規則組成。每條規則可禁止（或允許）特定抓取工具抓取相應網站中的指定檔案路徑。
通俗一點的說法就是：告訴爬蟲，我這個網站，你哪些能看，哪些不能看的一個協議。
二、為什麼要使用robots.txt
搜尋引擎（爬蟲），訪問一個網站，首先要檢視當前網站根目錄下的robots.txt，然後依據裡面的規則，進行網站頁面的爬取。 也就是說，robots.txt起到一個基調的作用，也可以說是爬蟲爬取當前網站的一個行為準則。
那使用robots.txt的目的，就很明確了。
- 更好地做定向SEO優化，重點曝光有價值的連結給爬蟲
- 將敏感檔案保護起來，避免爬蟲爬取收錄
三、robots.txt的示例
栗子如下：
User-agent: Googlebot
Disallow: /nogooglebot/
User-agent: *
Allow: /
Sitemap: http://www.wangxiaokai.vip/sitemap.xml
複製程式碼解析：
名為“Googlebot”抓取工具的使用者代理不應抓取 http://wangxiaokai.vip/nogooglebot/ 資料夾或任何子目錄。
所有其他使用者代理均可訪問整個網站。（不指定這條規則也無妨，結果是一樣的，因為完全訪問許可權是系統預設的前提。）
網站的站點地圖檔案位於 http://www.wangxiaokai.vip/sitemap.xml
四、檔案規範
1、檔案格式和命名
- 檔案格式為標準 ASCII 或 UTF-8
- 檔案必須命名為 robots.txt
- 只能有 1 個 robots.txt 檔案
2、檔案位置
必須位於它所應用到的網站主機的根目錄下
3、常用的關鍵字
- User-agent
網頁抓取工具的名稱 - Disallow
不應抓取的目錄或網頁 - Allow
應抓取的目錄或網頁 - Sitemap
網站的站點地圖的位置
五、百度網盤的應用
百度網盤的資源，到博文編寫時間為止，已經不能用常用的搜尋技巧site:pan.baidu.com 搜尋關鍵字的方式，在baidu.com|google.com|biying.com（國際版還可以勉強搜尋到）去搜尋對應的資源。
禁止的方式，很大程度上是依靠robots.txt，而不是請去喝茶?。
以下是訪問 http://pan.baidu.com/robots.txt 得到的規則：
可以看到，百度網盤封殺了所有資原始檔入口。 最狠的是最後一句：
User-agent: *
Disallow: /
複製程式碼我只想說有資源真的可以為所欲為?
喜歡我文章的朋友，掃描以下二維碼，瀏覽我的個人技術部落格
或點選連結王先生的基地
