Typecho网站配置Robots.txt教程

什么是Robots协议(robots.txt)？
Robots协议（也称为爬虫协议、机器人协议等）全称是“网络爬虫排除标准”（Robots Exclusion Protocol），是国际互联网界通行的道德规范，Robots是站点与spider沟通的重要渠道，站点通过robots告诉搜索引擎哪些页面可以抓取，哪些页面不能抓取。其目的是保护网站数据和敏感信息、确保用户个人信息和隐私不被侵犯。因其不是命令，故需要搜索引擎自觉遵守。

robots.txt如何奏效呢？
搜索引擎机器人访问网站时，首先会寻找站点根目录有没有 robots.txt文件，如果有这个文件就根据文件的内容确定收录范围，如果没有就按默认访问以及收录所有页面。
另外，当搜索蜘蛛发现不存在robots.txt文件时，会产生一个404错误日志在服务器上，从而增加服务器的负担，因此为站点添加一个robots.txt文件还是很重要的。
百度也会严格遵守robots的相关协议，要注意区分你不想被抓取或收录的目录的大小写，百度会对robots中所写的文件和你不想被抓取和收录的目录做精确匹配，否则robots协议无法生效。

robots.txt基本语法
User-agent：描述搜索引擎robot的名字
即 : 你可以指定该规则只对baidu 或者google 或者其它指定搜索引擎有效 可用通配符
Disallow: 描述不希望被访问的一组URL即：设定禁止访问的部分，可以用完整url，也可以用相对路径，可以是单个目文件，也可以是整个文件夹，也可以用通配符限定指定类型。
Allow: 描述希望被访问的一组URL
即：设定允许访问的部分，不过因为默认是全部允许的，这个语法通常是配合disallow使用的，用它来完成 如“除了xxx.html该目录下全部不能访问”这样的设定。 要注意的是allow和disallow的顺序是有讲究的，搜索引擎会以它先看到的规则为判断标准。
Sitemap：指示蜘蛛去爬取网站的sitemap文件。
通配符："$" 匹配行结束符；"*" 匹配0或多个任意字符。
如何辨别自己网站是否配置了robots.txt呢？
第一种方法：访问网址 http(s):你的域名/robots.txt即可
第二种方法：通过 [百度站长工具] 来检测

如何正确编写一个保护网站隐私的robots.txt呢？
我们想要的效果是：
要求所有搜索引擎遵循我的这个协议
禁止蜘蛛抓取我的后台地址和Typecho的安装路径
指引蜘蛛去抓取我的Sitemap

那么我们可以这样写，在网站根目录下新建一个robots.txt文件，内容如下
*User-agent:
Allow: /*.html$
Allow: /usr
Disallow: /admin/
Disallow: /install/
Disallow: /var/
Disallow: /config.inc.php
Disallow: /install.php
Sitemap: https://www.xxin.cloud/sitemap.xml**