标签：
最近在看搜索爬虫相关的，挺有趣的，记录一些信息备用。
robots.txt官方说明网站
robots.txt原则
robots.txt基本介绍
robots.txt是一个纯文本文件，在这个文件中网站管理者可以声明该网站中不想被robots访问的部分，或者指定搜索引擎只收录指定的内容。
当一个搜索机器人（有的叫搜索蜘蛛）访问一个站点时，它会首先检查该站点根目录下是否存在robots.txt，如果存在，搜索机器人就会按照该文件中的内容来确定访问的范围；如果该文件不存在，那么搜索机器人就沿着链接抓取。
如果将网站视为酒店里的一个房间，robots.txt就是主人在房间门口悬挂的“请勿打扰”或“欢迎打扫”的提示牌。这个文件告诉来访的搜索引擎哪些房间可以进入和参观，哪些房间因为存放贵重物品，或可能涉及住户及访客的隐私而不对搜索引擎开放。但robots.txt不是命令，也不是防火墙，如同守门人无法阻止窃贼等恶意闯入者。
另外，robots.txt必须放置在一个站点的根目录下，而且文件名必须全部小写。
淘宝封杀百度爬虫
可以查看taobao的robots.txt文件：http://www.taobao.com/robots.txt
京东封杀一淘爬虫
可以查看jd的robots.txt文件：http://www.jd.com/robots.txt
关于robots.txt的百度百科说明：
标签：
原文地址：http://www.cnblogs.com/liangjichen/p/4323591.html
