网站使用 robots.txt 中常见的误区

大家都知道网站可以使用 robots.txt 来控制蜘蛛的抓取，其实我们在使用过程中会有很多误区：

今天列举一下常见的robots.txt实际使用中的误区：

误区1.Allow包含的范围超过Disallow，并且位置在Disallow前面。

比如有很多人这样写：

User-agent: *
Allow: /
Disallow: /mulu/

想让所有蜘蛛抓取本站除/mulu/下面的url之外的所有页面，禁止抓取/mulu/下面的所有url。

搜索引擎蜘蛛执行的规则是从上到下，这样会造成第二句命令失效。也就是说禁止抓取/mulu/目录这条规则是无效的。正确的是Disallow应该在Allow之上，这样才会生效。

误区2.Disallow命令和Allow命令之后没有以斜杠”/”开头。

这个也很容易被忽视，比如有人这样写Disallow: 123.html ，这种是没有效果的。斜杠”/”表示的是文件对于根目录的位置，如果不带的话，自然无法判断url是哪个，所以是错误的。

正确的应该是Disallow: /123.html，这样才能屏蔽/123.html这个文件，这条规则才能生效。

误区3.屏蔽的目录后没有带斜杠”/”。

也就是比如想屏蔽抓取/mulu/这个目录，有些人这样写Disallow: /mulu。那么这样是否正确呢？

首先这样写（Disallow: /mulu）确实可以屏蔽/mulu/下面的所有url，不过同时也屏蔽了类似/mulu123.html这种开头为/mulu的所有页面，效果等同于Disallow: /mulu*。

正确的做法是，如果只想屏蔽目录，那么必须在结尾带上斜杠”/”。

暂时先写这几条，以后遇到了其他的随时补充