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: YodaoBot 这就告诉了爬虫下面的描述是针对名叫YodaoBot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: YodaoBot 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。 |