1.Robots协议（也称为爬虫协议、机器人协议等）的全称是“网络爬虫排除标准”（Robots Exclusion Protocol），网站通过Robots协议告诉搜索引擎哪些页面可以抓取，哪些页面不能抓取。

    2.Robots协议用来告知搜索引擎哪些页面能被抓取，哪些页面不能被抓取；可以屏蔽一些网站中比较大的文件，如：图片，音乐，视频等，节省服务器带宽；可以屏蔽站点的一些死链接。方便搜索引擎抓取网站内容；设置网站地图连接，方便引导蜘蛛爬取页面。

    3.当一个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，所有的搜索蜘蛛将能够访问网站上所有没有被口令保护的页面。百度官方建议，仅当您的网站包含不希望被搜索引擎收录的内容时，才需要使用robots.txt文件。如果您希望搜索引擎收录网站上所有内容，请勿建立robots.txt文件。

    4.文件写法

user-agent: *   这里的*代表的所有的搜索引擎种类，*是一个通配符

disallow: /admin/   这里定义是禁止爬寻admin目录下面的目录

disallow: /require/   这里定义是禁止爬寻require目录下面的目录

disallow: /ABC/   这里定义是禁止爬寻ABC目录下面的目录

disallow: /cgi-bin/*.htm   禁止访问/cgi-bin/目录下的所有以".htm"为后缀的URL(包含子目录)。

disallow: /*?*   禁止访问网站中所有包含问号 (?) 的网址

disallow: /.jpg$   禁止抓取网页所有的.jpg格式的图片

disallow:/ab/adc.html   禁止爬取ab文件夹下面的adc.html文件。

allow: /cgi-bin/   这里定义是允许爬寻cgi-bin目录下面的目录

allow: /tmp   这里定义是允许爬寻tmp的整个目录

allow: .htm$   仅允许访问以".htm"为后缀的URL。

allow: .gif$   允许抓取网页和gif格式图片

sitemap:   网站地图 告诉爬虫这个页面是网站地图

    [摘抄自百度百科]