robots.txt(统一小写)是一种存放于网站根目录下的ASCII编码的文本文件，它通常告诉网络搜索引擎的漫游器(又称网络蜘蛛)，此网站中的哪些内容是不能被搜索引擎的漫游器获取的，哪些是可以被(漫游器)获取的。这个文件用于指定spider在您网站上的抓取范围，一定程度上保护站点的安全和隐私。同时也是网站优化利器，例如屏蔽捉取站点的重复内容页面。

　对于wordprewss站点尤为重要！　robots.txt 目前并不是一种标准，只是一种协议!所以现在很多搜索引擎对robots.txt里的指令参数都有不同的看待。

一、robots协议文件写法：

1、User-agent: * 这里的*代表的所有的搜索引擎种类，*是一个通配符

2、Disallow: /admin/ 这里定义是禁止爬寻admin目录下面的目录

3、Disallow: /require/ 这里定义是禁止爬寻require目录下面的目录

4、Disallow: /ABC/ 这里定义是禁止爬寻ABC目录下面的目录

5、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)

6、Disallow: /*?* 禁止访问网站中所有包含问号 (?) 的网址

7、Disallow: /.jpg$ 禁止抓取网页所有的.jpg格式的图片

8、Disallow:/ab/adc.html 禁止爬取ab文件夹下面的adc.html文件

9、Allow: /cgi-bin/　这里定义是允许爬寻cgi-bin目录下面的目录

10、Allow: /tmp 这里定义是允许爬寻tmp的整个目录

11、Allow: .htm$ 仅允许访问以".htm"为后缀的URL

12、Allow: .gif$ 允许抓取网页和gif格式图片

13、Sitemap: 网站地图 告诉爬虫这个页面是网站地图

二、robots协议文件实际说明：

1、User-agent: * //设置robots规则适用的浏览者身份为全部UA身份

2、Disallow: /*?* //屏蔽掉页面中的动态路径

3、Disallow: /?p=* //屏蔽掉非固定链接的文章页面路径，因为每个页面中都会有一个shortlink使用的是?p= 的路径。

4、Disallow: /index.php //屏蔽掉首页默认页面的index.php 页面地址

5、Disallow: /wp-admin //屏蔽掉后台登陆页面地址，主要是考虑到服务器安全

6、Disallow: /wp-content/plugins //屏蔽掉wordpress的插件目录

7、Disallow: /wp-content/themes //屏蔽掉wordpress的模板目录

8、Disallow: /wp-includes //屏蔽掉wordpress的底层程序目录

9、Disallow: /trackback //屏蔽wordpress的页面回评路径

10、Disallow: /*/*/trackback //屏蔽wordpress分类目录、文章页面的回评路径

11、Disallow: /feed //屏蔽wordpress的内容订阅路径

12、Disallow: /*/*/feed //屏蔽wordpress分类目录、文章页面的订阅路径

13、Disallow: /comments/feed //屏幕wordpress评论的订阅路径

14、Disallow: /page/ //屏蔽默认的翻页路径

15、Disallow: /*/*/page/ //屏蔽分类目录的翻页路径

16、Disallow: /page/1$ //屏蔽翻页路径中的数字路径

17、Disallow: /tag/ //屏蔽标签页面

18、Disallow: /?s=* //屏蔽搜索结果路径，主要是避免搜索结果的缓存被搜索引擎收录

19、Disallow: /date/ //屏蔽按日期分类显示的列表页面

20、Disallow: /author/ //屏蔽作者文章列表页面

21、Disallow: /category/ //屏蔽以category为起始路径的分类路径，如果您没有使用插件生成不带category前缀的路径时，请不要使用此项规则。

22、Disallow: /wp-login.php //屏蔽后台登陆页面

三、使用robots协议需要注意的几点地方：

1、指令区分大小写，忽略未知指令。

2、每一行代表一个指令，空白和隔行会被忽略。

3、“#”号后的字符参数会被忽略。

4、有独立User-agent的规则，会排除在通配“*”User agent的规则之外。

5、可以写入sitemap文件的链接，方便搜索引擎蜘蛛爬行整站内容。

6、尽量少用Allow指令，因为不同的搜索引擎对不同位置的Allow指令会有不同看待。

7、robots.txt 文件必须放在网站的根目录，不可以放在子目录。

三、wordpress站点robots协议参考：