robots.txt是一个纯文本文件，是爬虫抓取网站的时候要查看的第一个文件，一般位于网站的根目录下。robots.txt文件定义了爬虫在爬取该网站时存在的限制，哪些部分爬虫可以爬取，哪些不可以爬取(防君子不防小人)，也限制了某些搜索引擎爬虫的爬取。那么关于robots文件您了解多少呢？小编带您了解一下。
一、什么时候使用robots.txt文件?
1、屏蔽网站重复页有些网站为了方便用户浏览而对一个内容提供多种浏览版本，但是蜘蛛分不清哪个是主，哪个是次，因此需要屏蔽网站重复页。
2、保护网站安全
一些低级黑客就是通过搜索默认后台登陆，以达到入侵网站的目标。
User-agent： *
Disallow： /admin/ 《禁止蜘蛛抓取admin目录下所有文件》
3、防止盗链
一般盗链也就几个人，可是一旦被搜索引擎“盗链”那你100M宽带也吃不消，如果你做的不是图片网站，又不想被搜索引擎“盗链”你的网站图片。
User-agent： *
Disallow： .jpg$
4、提交网站地图
现在做优化的都知道做网站地图了，可是却没几个会提交的，绝大多数人是干脆在网页上加个链接，其实robots是支持这个功能的。
Sitemap：http://域名/sitemap.xml
5、禁止某二级域名的抓取
一些网站会对VIP会员提供一些特殊服务，却又不想这个服务被搜索引擎检索到。
User-agent： *
Disallow： /
二、怎么对网站的robots.txt进行设置?
robots.txt的几个关键语法：1、User-agent: 描述搜索引擎spider的名字。在“robots.txt“文件中，如果有多条 User-agent记录，说明有多个robot会受到该协议的约束。所以，“robots.txt”文件中至少要有一条User- agent记录。如果该项的值设为*(通配符)，则该协议对任何搜索引擎机器人均有效。在“robots.txt”文件 中，“User-agent：*”这样的记录只能有一条。
2、Disallow: 要拦截的网址,不允许机器人访问。
3、Allow: 允许访问的网址
4、”*” : 通配符—匹配0或多个任意字符。
5、”$” : 匹配行结束符。
6、”#” : 注释—说明性的文字,不写也可。
7、Googlebot: 谷歌搜索机器人(也叫搜索蜘蛛)。
8、Baiduspider: 百度搜索机器人(也叫搜索蜘蛛)。
9、目录、网址的写法:都以以正斜线 (/) 开头。
三、一些robots.txt的具体用法!
1、允许所有的robot访问User-agent: *
Disallow:
或者
User-agent: *
Allow: /
或者建一个空文件”robots.txt”即可。
2、仅禁止某个机器人访问您的网站，如Baiduspider。
User-agent: Baiduspider
Disallow: /
3、仅允许某个机器人访问您的网站，如Baiduspider。
User-agent: Baiduspider
Disallow:
User-agent: *
Disallow: /
4、禁止访问特定目录
User-agent: *
Disallow: /admin/
Disallow: /css/
Disallow:
5、要拦截对所有包含问号 (?) 的网址的访问(具体地说，这种网址以您的域名开头、后接任意字符串，然后接问号，而后又接任意字符串)，请使用以下内容：
User-agent: *
Disallow: /*?
要指定与某个网址的结尾字符相匹配，请使用 $。例如，要拦截以 .xls 结尾的所有网址，请使用以下内容：
User-agent: *
Disallow: /*.xls$
您可将此模式匹配与 Allow 指令配合使用。例如，如果 ? 代表一个会话 ID，那么您可能希望排除包含 ? 的所有网址，以确保 Googlebot 不会抓取重复网页。但是以 ? 结尾的网址可能是您希望包含在内的网页的版本。在此情况下，您可以对您的 robots.txt 文件进行如下设置：
User-agent: *
Allow: /*?$
Disallow: /*?
Disallow: /*? 指令会阻止包含 ? 的所有网址(具体地说，它将拦截所有以您的域名开头、后接任意字符串，然后接问号，而后又接任意字符串的网址)。
Allow: /*?$ 指令将允许以 ? 结尾的任何网址(具体地说，它将允许所有以您的域名开头、后接任意字符串，然后接 ?，? 之后不接任何字符的网址)。
当然我们可以根据知名网站的robots.txt文件来修改而成，也可以使用爱站等工具按照自己的要求生成robots.txt文件。文件上传后要验证robots是否生效，在百度站长Robots里面优化检测更新，这样就可以让它生效了!