什么是robots.txt? robots.txt是网站和搜索引擎的协议的纯文本文件。当一个搜索引擎蜘蛛来访问站点时，它首先爬行来检查该站点根目录下是否存在robots.txt，如果存在，根据文件内容来确定访问范围，如果没有，蜘蛛就沿着链接抓取。robots.txt 放在项目的根目录下。
robots.txt语法：1 允许所有搜索引擎访问网站的所有部分
robots.txt写法如下：
User-agent: *
Disallow:
或者
User-agent: *
Allow: /
注意： 1. 第一个英文要大写，冒号是英文状态下，冒号后面有一个空格，这几点一定不能写错。
2 禁止所有搜索引擎访问网站的所有部分
robots.txt写法如下：
User-agent: *
Disallow: /
3 只需要禁止蜘蛛访问某个目录，比如禁止admin、css、images等目录被索引
robots.txt写法如下：
User-agent: *
Disallow: /css/
Disallow: /admin/
Disallow: /images/
注意：路径后面有斜杠和没有斜杠的区别：
比如Disallow: /images/ 有斜杠是禁止抓取images整个文件夹，Disallow: /images 没有斜杠意思是凡是路径里面有/images关键词的都会被屏蔽。
4 屏蔽一个文件夹/templets，但是又能抓取其中一个文件的写法:/templets/main
robots.txt写法如下：
User-agent: *
Disallow: /templets
Allow: /main
5 禁止访问html/目录下的所有以”.php”为后缀的URL(包含子目录)
robots.txt写法如下：
User-agent: *
Disallow: html/*.php
6 仅允许访问某目录下某个后缀的文件,则使用“$”
robots.txt写法如下：
User-agent: *
Allow: .html$
Disallow: /
7 禁止索引网站中所有的动态页面 比如这里限制的是有“?”的域名，例如index.php?id=1
robots.txt写法如下：
User-agent: *
Disallow: /?
8 禁止搜索引擎抓取我们网站上的所有图片(如果你的网站使用其他后缀的图片名称，在这里也可以直接添加) 有些时候，我们为了节省服务器资源，需要禁止各类搜索引擎来索引我们网站上的图片，这里的办法除了使用“Disallow: /images/”这样的直接屏蔽文件夹的方式之外，还 可以采取直接屏蔽图片后缀名的方式。
robots.txt写法如下：
User-agent: *
Disallow: .jpg$
Disallow: .jpeg$
Disallow: .gif$
Disallow: .png$
Disallow: .bmp$
以上就是robots.txt爬虫协议的写法
