名称 搜索引擎
google蜘蛛: googlebot
百度蜘蛛:baiduspider
yahoo蜘蛛:slurp
alexa蜘蛛:ia_archiver
msn蜘蛛:msnbot
altavista蜘蛛:scooter
lycos蜘蛛: lycos_spider_(t-rex)
alltheweb蜘蛛: fast-webcrawler/
inktomi蜘蛛: slurp
一个在线写robots.txt的工具。
最后需要注意，robots.txt文件名必须是小写，而且放在网站根目录
来源：360站长平台
Sitemap文件标准格式： Sitemap文件通常是一个以XML格式编写的文本文件，其中包含URL信息和其他相关数据。Sitemap文件主要包含以下元素： 1. URL元素：用于指定页面的网址，并包含可选的数据，如最近的修改日期、相对于站点的相对权重等。 2. loc元素：为URL元素的子元素，用于指定页面的网址。 3. lastmod元素：为URL元素的子元素，用于指定页面的最近修改日期。
2019年9月10日，Google官方博客表示，nofollow属性将不再仅代表拒绝传递权重，而将拓展为三种属性：rel="sponsored"、rel="ugc"、rel="nofollow"。 1. rel=”sponsored” 该属性用于标示被广告赞助的链接，例如广告合作，展示商标，赞助商链接等。它是告诉搜索引擎，链接是被广告商赞助，而非独立推荐。 2. rel=”ugc” 该属性
匹配方式分两部分：1.path部分，2.参数部分匹配支持?*$?两种通配符?*? 表示任何有效字符的 0 个或多个个案。?$? 表示网址结束。path部分与google匹配方式保持一致，也就是只有/或是*开头的规则才有机会匹配上?/?匹配根目录以及任何下级网址?/fish??/fish?开头的匹配项* ?/fish?* ?/fish.html?* ?/fish/salmon.html?* ?/fi
要避免搜索引擎蜘蛛爬取某个页面，可以在robots.txt文件中添加如下指令： User-agent: * Disallow: /index.htm 这样，所有搜索引擎蜘蛛都不会爬取网站的index.htm首页页面。注意，这并不代表该页面会从搜索结果中彻底移除，因为即使没有被索引，用户仍然可以在搜索结果中找到该页面。
