当搜索引擎访问一个网站时，它首先会检查该网站的根域下是否有一个叫做robots.txt的纯文本文件。robots.txt文件用于限定搜索引擎对其网站的访问范围，即告诉搜索引擎网站中哪些文件是允许它进行检索(下载)的。这就是大家在网络上常看到的“拒绝robots访问标准”(robots exclusion standard)。下面我们简称res。 robots.txt文件的格式：robots.txt文件的格式比较特殊，它由记录组成。这些记录通过空行分开。其中每条记录均由两个域组成：
1) 一个user-agent(用户代理)字符串行；
2) 若干disallow字符串行。
记录格式为： :
下面我们分别对这两个域做进一步说明。
user-agent(用户代理)：
user-agent行(用户代理行) 用于指定搜索引擎robot的名字，以google的检索程序googlebot为例，有：user-agent: googlebot
一个robots.txt中至少要有一条user-agent记录。如果有多条user-agent记录，则说明有多个robot会受到res标准的限制。当然了，如果要指定所有的robot，只需用一个通配符*就搞定了，即：user-agent: *
disallow(拒绝访问声明)：
在robots.txt文件中，每条记录的第二个域是disallow:指令行。这些disallow行声明了该网站中不希望被访问的文件和(或)目录。例如disallow: email.htm对文件的访问进行了声明，禁止spiders下载网站上的email.htm文件。而disallow: /cgi-bin/则对cgi-bin目录的访问进行了声明，拒绝spiders进入该目录及其子目录。disallow声明行还具有通配符功能。例如上例中disallow: /cgi-bin/声明了拒绝搜索引擎对cgi-bin目录及其子目录的访问，而disallow:/bob则拒绝搜索引擎对/bob.html和/bob/indes.html的访问(即无论是名为bob的文件还是名为bob的目录下的文件都不允许搜索引擎访问)。disallow记录如果留空，则说明该网站的所有部分都向搜索引擎开放。
空格 & 注释
在robots.txt文件中，凡以#开头的行，均被视为注解内容，这和unix中的惯例是一样的。但大家需要注意两个问题：
1) res标准允许将注解内容放在指示行的末尾，但这种格式并不是所有的spiders都能够支持。譬如，并不是所有的spiders都能够正确理解disallow: bob #comment这样一条指令。有的spiders就会误解为disallow的是bob#comment。最好的办法是使注解自成一行。
2) res标准允许在一个指令行的开头存在空格，象disallow: bob #comment，但我们也并不建议大家这么做。
robots.txt文件的创建：
需要注意的是，应当在unix命令行终端模式下创建robots.txt纯文本文件。好的文本编辑器一般都能够提供unix模式功能，或者你的ftp客户端软件也“应该”能够替你转换过来。如果你试图用一个没有提供文本编辑模式的html编辑器来生成你的robots.txt纯文本文件，那你可就是瞎子打蚊子——白费力气了。
对res标准的扩展：
尽管已经提出了一些扩展标准，如allow行或robot版本控制(例如应该忽略大小写和版本号)，但尚未得到res工作组的正式批准认可。
附录i. robots.txt用法举例：
使用通配符*，可设置对所有robot的访问权限。
user-agent: *
disallow:
表明：允许所有搜索引擎访问网站下的所有内容。
user-agent: *
disallow: /
表明：禁止所有搜索引擎对网站下所有网页的访问。
user-agent: *
disallow: /cgi-bin/disallow: /images/
表明：禁止所有搜索引擎进入网站的cgi-bin和images目录及其下所有子目录。需要注意的是对每一个目录必须分开声明。
user-agent: roverdog
disallow: /
表明：禁止roverdog访问网站上的任何文件。
user-agent: googlebot
disallow: cheese.htm
表明：禁止google的googlebot访问其网站下的cheese.htm文件。
上面介绍了一些简单的设置，对于比较复杂的设置，可参看一些大型站点如cnn或looksmart的robots.txt文件(www.cnn.com/robots.txt, www.looksmart.com/robots.txt )
附录ii. 相关robots.txt文章参考：
1. robots.txt常见问题解析
2. robots meta tag的使用
3. robots.txt检测程序