robots.txt深度剖析

大家知道robots.txt是什么。
这里再详细介绍下：
搜索引擎用来爬取网页内容的工具我们称之为搜索引擎机器人。
搜索引擎机器人每次来到要抓取的网站，都会先访问这个网站根目录下的一个文件（robots.txt），如果不存在该文件，则搜索引擎机器人默认这个网站允许其全部抓取。
robots.txt是一个简单的纯文本文件（记事本文件），搜索引擎机器人通过robots.txt里的“说明”，理解该网站是否可以全部抓取或部分抓取。

如果你希望搜索引擎收录你网站的全部网页，则你可以不设置robots.txt或上传一个命名为robots.txt的空记事本到根目录。
上传你的robots.txt后，通过 你的域名/robots.txt 可以正常访问。 注意，robots.txt的命名，都应该是小写。
访问如：/robots.txt
robots.txt文件的内容主要就是一个代码：Disallow:
注意，robots.txt文件中一般要包含至少一个Disallow:
如果都允许收录，你可以写一行Disallow:/search.html   这个文件(search.html)本来就不存在也没事。
格式如：
User-agent: *
Disallow: /search.html
Disallow: /index.php?
Disallow: /tempweb/

说明：
User-agent: *   星号说明，允许所有的搜索引擎来收录，包括百度、google、yahoo等。
Disallow: /search.html  说明不允许收录 /search.html 这个文件。
Disallow: /index.php?  说明不允许收录以index.php?为前缀的链接如：index.php?122.html、index.php?=12、index.php?/baidu等等
Disallow: /tempweb/  说明不允许收录/tempweb/里的所有文件。但可以收录如：/tempwebtaim.html 的链接。
这里介绍的是常用的几个代码。
如果需要了解更多关于Disallow:的用法，请了解百度官方的介绍：http://www.baidu.com/search/robots.html
robots.txt那么复杂？
想成为SEO专业人士，你需要深入了解并充分利用robots.txt。
1、当你的网页已被收录，但想用robots.txt删除掉，一般需要1-2个月。
2、结合Google网站管理员工具，你可以马上删除被Google收录的网页。
相关问题：

1、我发现有一个网站被K了，但它加了我的网站链接，我可以把它屏蔽吗？
被K的网站加你网站的链接，对你网站是没有太大影响的。通过robots.txt也没有办法屏蔽外部链接。
2、我的首页是index.html，我可以把index.php屏蔽吗？
理论上是没大问题，但为了安全起见，请不要屏蔽。不屏蔽是一定没事，但屏蔽了，可能存在隐患。
3、我不喜欢我网站的后台登陆地址被搜索引擎收录，同时也不希望放在robots.txt里被其他人知道。我怎么来屏蔽呢？
你可以在后台登陆地址的首页里，添加noindex标签。

4、如果我只是具体某一个页面不希望被收录，怎么办？
可以用robots.txt屏蔽这个页面，也可以用noindex标签在该页面里屏蔽这个页面。

5、有什么注意的经验？
1、首页文件尽量不要屏蔽。比如：index.html、index.php、Default.php，原因是，他的首页可能是index.asp，但通过以上这几个也能访问首页，于是，就想屏蔽了他们。这样的做法是不对的。首页，尽量都不要屏蔽。
2、如果网站上存在一些比较大的文件、比如：打包文件、大图片文件、音乐文件、或电影文件、日志文件夹等等，可以屏蔽掉，因为这些文件可能让你的流量过大，占用过多宽带