Robots.txt是什么？网站Robots.txt文件的作用和设置教程

robots.txt，是一个给搜索引擎机器人下指令的文本文件，用于SEO优化。如果用对了，可以确保搜索引擎机器人（也叫爬虫或蜘蛛）正确抓取和索引你的网站页面。如果用错了，可能会对SEO排名和网站流量造成负面影响，那怎么设置robots.txt文件才算正确？今天就和大家分享下一点心得，内容主要包括以下几个方面。

1. robots.txt是什么？

robots.txt是一个放在网站根目录的纯文本文件，需要自己添加，如下图所示。

如果你网站的域名是www.abc.com，robots.txt的查看地址是www.abc.com/robots.txt。

robots.txt里包含了一组搜索引擎机器人指令。

当搜索引擎机器人访问你网站时，首先会查看robots.txt文件里的内容，然后根据robots.txt的指示进行网站页面的抓取和索引，进而收录某些页面，或不收录某些页面。

需要注意的是，robot.txt文件不是那种强制性、必须要做的设置。至于做与不做，为什么要做，做了有什么用，我接下来为大家详细解释。

2. robots.txt对SEO有什么用？

简单的说，robots.txt有两个功能，允许和阻止搜索引擎机器人抓取你的网站页面。如果没有的话，搜索引擎机器人将对整个网站进行爬行，包括网站根目录的所有数据内容。

具体的工作原理可以参考elliance的说明，如下图所示。

1993年，互联网才起步没多久，能被发现的网站少之又少，Matthew Gray编写了一个蜘蛛爬虫程序World Wide Web Wanderer，目的是发现收集新网站做网站目录。

但后面搞爬虫的人不仅是收集网站目录这么简单，还会抓取下载大量网站数据。

同年7月，Aliweb创始人Martijn Koster的网站数据被恶意抓取，于是他提出了robots协议。

目的是告诉蜘蛛爬虫，哪些网页可以爬行，哪些网页不可以爬行，特别是那些不想被人看到的网站数据页面。经过一系列的讨论，robots.txt正式走上历史舞台。

从SEO角度来说，刚上线的网站，由于页面较少，robots.txt做不做都可以，但随着页面的增加，robots.txt的SEO作用就体现出来了，主要表现在以下几个方面。

• 优化搜索引擎机器人的爬行抓取
• 阻止恶意抓取，优化服务器资源
• 减少重复内容出现在搜索结果中
• 隐藏页面链接出现在搜索结果中

3. robots.txt怎么写才符合SEO优化？

首先，robots.txt文件没有默认格式。

robots.txt的写法包括User-agent，Disallow，Allow和Crawl-delay。

• User-agent: 后面填你要针对的搜索引擎，*代表全部搜索引擎
• Disallow: 后面填你要禁止抓取的网站内容和文件夹，/做前缀
• Allow: 后面填你允许抓取的网站内容，文件夹和链接，/做前缀
• Crawl-delay: 后面填数字，意思是抓取延迟，小网站不建议使用

举个例子，如果你要禁止谷歌机器人抓取你网站的分类，写法如下：

User-agent: googlebot
Disallow: /category/

举个例子，如果你要禁止所有搜索引起抓取wp登陆链接，写法如下：

User-agent: *
Disallow: /wp-admin/

举个例子，如果你只允许谷歌图片抓取你的wp网站图片，写法如下：

User-agent: Googlebot-Image
Allow: /wp-content/uploads/

更具体的写法，大家可以参考谷歌robots.txt官方文档，如下图所示。

虽然这些写法指令看上去很复杂，但只要你使用的是WordPress，就会变的简单许多，毕竟wp是谷歌的亲儿子，就SEO而言WordPress网站的robots.txt最佳写法如下，需要用文本编辑。

User-agent: *
Disallow: /wp-admin/
Allow: /wp-admin/admin-ajax.php
Sitemap: https://www.yourdomain.com/sitemap.xml

或者是下面这个样子。

User-agent: *
Allow: /
Sitemap: https://www.yourdomain.com/sitemap.xml

两者的区别是要不要禁止抓取/wp-admin/。

关于/wp-admin/，2012年WordPress增加了一个新标记@header( ‘X-Robots-Tag: noindex’ )，效果和用robots.txt禁止抓取/wp-admin/一样，如果还是不放心的话，可以加上。

至于其它不想被搜索引擎抓取的网站内容和链接，根据自己网站的需求来做就行了。

可以使用robots.txt禁止抓取，也可以使用Meta Robots做Noindex。我个人的看法是wp程序自带链接用Meta Robots，需要隐藏的网站内容页面用robots.txt。

总结

接下来要做的是把写好的robots.txt文件添加到WordPress网站。

根据我自己的经验，robots.txt的指令越少越好，在我还是小白的时候看了一些大神的文章，把很多文件目录和网站内容都禁止了，特别是/wp-includes/，直接导致JS和CSS无法正常运行。

最后，要注意的是robots.txt文件里的指令是分大小写的，不要弄错了。