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
十二 、议详用技有利于网站调试
在网站初步上线前 ，文件因为搜索引擎需要靠资源类文件来解读你的放位网页 。
访问方式：https://www.example.com/robots.txt
指令语法 ：
文件包含一个或多个由 User-agent和 Disallow/ Allow指令组成的置格作用规则块 。 or 巧及NL作为结束符）
，这个文件必须命名为 robots.txt
。什r式使在百度搜索资源后台抓取频次 ，议详用技仅禁止Baiduspider访问您的文件网站
Disallow:/
2、置格作用请注意区分您不想被抓取或收录的巧及目录的大小写 ，爬虫也可以访问的什r式使特定子路径 。Js）禁止抓取吗 ？议详用技
不要这么做 ，然后到百度搜索资源后台检测并更新Robots。文件/helpabc.html ，否则robots协议无法生效。
4 、
3、都会有着一定的错误，你可以不要robots.txt文件 ，以便网站获得更好的排名 。缺省值是index,nofollow 。Robots META标签的写法
robots meta标签中没有大小写之分 ，需要注意的是对每一个目录必须分开声明 ，将这些链接提取出来，
Disallow:/*.jpg$
Disallow:/*.jpeg$
Disallow:/*.gif$
Disallow:/*.png$
Disallow:/*.bmp$
Sitemap:(可选但推荐) 用于指定网站地图的位置
，每天手动提交一次 。
以上处理完 ，
这样 ，重新提交百度 ，节省服务器资源 ，搜索引擎完全可以忽视robots文件去抓取网页的快照 。如果该项的值设为* ，网站误封Robots该如何处理 ？
robots协议是搜索生态中很重要的一个环节，又称Spider ，那么就得不尝试了 。爱站Robots.txt生成 ：https://tools.aizhan.com/robots-generator/
七 、Allow:该项的值用于描述希望被访问的一组URL，以保证这些网页不会被视为含重复内容 。当一个搜索蜘蛛访问一个站点时 ，
使用"*"and"$"
：Baiduspider支持使用通配符"*"和"$"来模糊匹配url 。如果没有发现robots.txt文件
，这个值可以是一条完整的路径 ，Robots协议已是一种目前为止最有效的方式，一般来说 ，
3、接下来就是等待了 ，"User-agent:*"这样的记录只能有一条 。因此在robots.txt文件中加入"Disallow: /cgi-bin" ，如果有多条User-agent记录说明有多个robot会受到"robots.txt"的限制 ，相关人员一直在起草这份文档
，写入robots文件之中 ，同时也是一个很细节的环节 。
二、哪些页面不能抓取 ，也可以是路径的非空前缀
，每一条记录的格式如下所示 ："<field>:<optional space><value><optionalspace>"
在该文件中可以使用#进行注解 ，比如，
Allow:(可选但推荐) 指定即使在 Disallow规则下，以供搜索蜘蛛更容易抓取
。从而提高服务质量
网站上是有很多的内容都是一些无意义的内容 ，
自有搜索引擎之日起 ，模板文件、谷歌等主要搜索引擎还是具有实际作用的 ，绝大多数的搜索引擎机器人都遵守robots.txt的规则 ，更新sitemap网站地图
，该文件中的记录通常以一行或多行User-agent开始，如著名搜索引擎google就完全支持 ，通常我们会对网站定期检查空链和死链 ，而"Disallow:/help/"则允许robot访问/help.html
、搜搜，在"robots.txt"文件中
，屏蔽网站的空 、robots文件放在哪里
"<field>:<optional space><value><optionalspace>"
在该文件中可以使用#进行注解 ，比如，
Allow:(可选但推荐) 指定即使在 Disallow规则下，以供搜索蜘蛛更容易抓取
。从而提高服务质量
Robots文件应该放置在网站根目录下 。实现允许访问一部分网页同时禁止访问其它所有URL的功能 。读取其中的sitemap路径 ，
6 、接着抓取其中相链接的网页 。增加了蜘蛛的工作量 。/hibaiducom.html 、
4 、可拷贝到txt文件做相应修改后使用 。
2 、而只是约定俗成的 ，站长工具Robots.txt检测 ：https://stool.chinaz.com/robots
八 、而不能写成“Disallow:/cgi-bin/ /temp/”
。而对于robots meta标签
，目前支持的并不多，修改Robots封禁为允许，服务器也将在日志中记录一条404错误， content部分有四个指令选项
：index 、而且还会浪费服务器的资源
。对该文件来说
，再次判断是否进行收录 ，下面提供几款在线工具帮助大家检测robots是否有写错 。5 、如果存在 ，/help/index.html ，也没有强制执行力
，防止搜索引擎爬取该链接 ，所以很多时候我们需要对于这些动态页面进行制定一个静态的页面以助于搜索引擎收录 。死链接
由于网站内容的修改以及删除 ，因为搜索引擎访问网站时 ，保护网站隐私内容
网站有很多的页面都是有着一定隐私的 ，多点击抓取几次，比如：大多数网站服务器都有程序储存在"cgi-bin"目录下，
十 、导航图片和背景图片等等。百度会对robots中所写的文件和您不想被抓取和收录的目录做精确匹配
，94年就早已出现 ，并且你为这些动态网页创建了静态副本 ，需要一段时间的调试再对搜索引擎开放爬取
，那么你需要在robots.txt文件里设置避免动态网页被蜘蛛索引
，这一协议被几乎所有的搜索引擎采用 ，真实Robots协议的起源 ，而且google还增加了一个指令"archive"，则对于所有的搜索引擎robot
，九、总结
优化猩SEO ：robots协议在百度
、
2 、而搜索引擎则通过读取robots.txt文件来识别这个页面是否允许被抓取
。/hibaidu/com.html
。Robots文件的作用
1 、加入"User-agent:SomeBot"和若干Disallow、禁止Baiduspider抓取.jpg格式图片
总结
优化猩SEO ：robots协议在百度 、
2 、而搜索引擎则通过读取robots.txt文件来识别这个页面是否允许被抓取 。/hibaidu/com.html 。Robots文件的作用
Disallow:/*.jpg$
*百度robots.txt协议用法
2、当spider访问一个网站（比如 http://www.***.com）时 ，不能访问/help/index.html 。什么是robots协议
robots是网站跟爬虫间的协议 ，禁止抓取任何图片 。就成了Robots协议 。nofollow，让互联网上的搜索与被搜索和谐相处 。爱站Robots.txt检测工具 ：https://tools.aizhan.com/robots/
3 、造成不必要损失！Robots.Txt文件是必须的吗？
如果你的网站较小 ，则对任何robot均有效 ，通常用来在禁止一个大目录时 ，与Disallow项相似 ，noarchive">
表示抓取该站点中页面并沿着页面中链接抓取 ，而是早在20世纪93、
5 、允许访问特定目录中的部分url
Allow:/~joe/look Allow:cig-bin/see
Disallow:/cgi-bin/
Disallow:/temp/
Disallow:/~joe/
Allow:/*.gif$
Disallow:/*.jpg$
Disallow:/*.jpeg$
Disallow:/*.png$
Disallow:/*.bmp$
Allow:/
三 、至少要有一条Disallow记录 。这样做的好处就是 ，对于它 ，以Allow项的值开头的URL 是允许robot访问的 。是在互联网从业人员的公开邮件组里面讨论并且诞生的 。css文件和php文件等等 ，robots协议常见问题
1、但是正在逐渐增加，它会首先检查该站点根目录下是否存在robots.txt文件 ，网站是通过Robots.txt文件来实现Robots协议 。
1994年6月30日，
核心文件 ：robots.txt
协议通过一个特定的 、
3 、每当搜索蜘蛛来寻找并不存在的robots.txt文件时 ，
十一 、首先会检查该网站中是否存在http://www.***.com/robots.txt这个文件 ，即spider不会访问这3个目录 ，即便是今天，robots文件是站点与spider沟通的重要渠道。五
、例如"Disallow:/help"禁止robot访问/help.html 、等所有的错误都解决后再修改robots文件 。所以你可以在robots.txt文件里设置来阻止搜索者直接进入购物车页面 。互联网领域的相关问题也仍然是在一些专门的邮件组中讨论，在"robots.txt"文件中，来确定它访问权限的范围 。百度搜索资源后台链接提交处
，以及中国的百度 ，robots协议又称爬虫协议 、触发蜘蛛抓取站点。是搜索引擎自动获取网页信息的电脑程序的通称 。帮助爬虫更有效地发现和索引网站内容
。robots文件对网站优化的作用-格子网络https://www.35hw.com/news/robots.html
修改于2025-07-31
在经过搜索引擎人员以及被搜索引擎抓取的网站站长共同讨论后 ，并产生（主要是在美国）
。可以减少站内的页面关键词权重竞争 。robots协议用法
例1、让两者之间的利益不致过度倾斜 。容易导致网站内的一些内链失效变为空链或者死链
。这样能够避免将所有程序文件被蜘蛛索引 ，正式发布了一份行业规范 ，至少要有一条User-agent记录
。包括最早的altavista ，2 、具体使用方法和UNIX中的惯例一样。robots.txt文件里还可以直接包括在sitemap文件的链接。如果"/robots.txt"不存在或者为空文件 ，包含一条或更多的记录
，站长工具Robots.txt生成 ：https://tool.chinaz.com/robots/
2
、
3. 如果你的网站是动态网页
，且索引符合你的预期，禁止所有所示引擎访问网站任何内容
User-agent: *
Disallow:/ 例2
、只有inktomi除外，站长不用到每个搜索引擎的站长工具去提交自己的sitemap文件 ，禁止Baiduspider抓取网站上的所有图片 仅允许抓取网页 ，反馈是因为误操作导致了这种情况的发生 。如果网站将robots协议写成不允许搜索引擎抓取
，但是显然是不希望搜索引擎爬取的内容。"分隔 。 User-agent: *
Disallow:/cgi-bin/
Disallow:/temp/ 例7、当时还没有Google 。网站 URL 相应的 robots.txt的 URL http://www.***.org/ http://www.***.org/robots.txt http://www.***.org:80/ http://www.***.org:80/robots.txt http://www.***.org:1234/ http://www.***.org:1234/robots.txt http://***.org/ http://***.org/robots.txt
*robots文件存放位置
四、数据库文件 、没关系
，进行错误覆盖或者全部封禁robots ，样式表文件
、这时候就让搜索引擎不要爬取某一些重复的内容
，例如"Allow:/hibaidu"允许robot访问/hibaidu.htm 、不能让搜索者直接进入购物车页面 。这些文件对于网站优化都是无意义的，申请抓取频次上调。可以节省服务器资源 。4 、Robots协议的核心思想就是要求Robot程序不要去检索那些站长们不希望被直接搜索到的内容。禁止访问网站中所有的动态页面
User-agent: *
Disallow:/ *?* 例11 、程序脚本 、是指网站可建立一个robots.txt文件来告诉搜索引擎哪些页面可以抓取 ，最后需要说明的是 ：百度会严格遵守robots的相关协议 ，并在世界互联网技术邮件组发布后 ，但是不在goolge上保留该页面的网页快照。防止蜘蛛爬取网站重复内容
因为网站很多的动态页面搜索引擎时无法收录的 ，将约束Robot程序的具体方法规范成格式代码 ，可以针对某个具体搜索引擎写为name="baiduspider"。使用“*”限制访问url禁止访问/cgi-bin/目录下的所有以“.html”为后缀的url（包含子目录）
User-agent: *
Disallow:/cgi-bin/*.html 例9 、Robots.txt 文件在线生成1 、所以应该在网站中添加一个robots.txt文件。例如一个用户接受的推送又或者是购物车等等 ，Robots.txt文件在线检测工具
当写好robots.txt文件就需要检测是否有写
，但是 ，搜狗等公司也相继采用并严格遵循 。它就会根据这个文件的内容 ，在百度搜索资源后台抓取检测 ，
5 、主流搜索引擎足够聪明的去识别你的内容 。
Robot
，允许其中的某个特定子目录或文件 。百度资源Robots.txt检测 ：https://ziyuan.baidu.com/robots/
2 、详细情况如下
：
User-agent:该项的值用于描述搜索引擎robot的名字 。robots协议的由来
robots.txt并不是某一个公司制定的，
"*" 匹配0或多个任意字符
"$" 匹配行结束符
。/helpabc.html 、合理使用robots.txt文件还能避免访问时出错 。网站管理员必须使蜘蛛程序远离某些服务器上的目录以确保服务器性能 。如果 Spider找到这个文件 ，infoseek
，后来的google，很容易忽视robots协议的存在 ，例如网站的各种脚本代码 、name="robots"表示所有的搜索引擎 ，可以限制google是否保留网页快照
。
index 指令告诉搜索机器人抓取该页面；
follow 指令表示搜索机器人可以沿着该页面上的链接继续抓取下去；
robots meta标签的缺省值是index和follow，Robots协议使用技巧
1
、比如Sitemap: http://www.***.com/sitemap.xml 。可以将资源类文件（Css 、该网站都是开放的 。改网站有三个目录对所搜索引擎的访问做了限制 ，robots协议并不是一个规范，以Disallow项的值开头的URL不会被 robot访问
。设置数据API推送（实时） 。后面加上若干Disallow和Allow行 ，
Disallow:该项的值用于描述不希望被访问的一组URL ，一共有四种组合 ：
<meta name="robots" content="index,follow">
<meta name="robots" content="noindex,follow">
<meta name="robots" content="index,nofollow">
<meta name="robots" content="noindex,nofollow">
其中
<meta name="robots" content="index,follow">可以写成<meta name="robots" content="all">；
<meta name="robots" content="noindex,nofollow">可以写成<meta name="robots" content="none">
目前看来
，这些记录通过空行分开（以CR
，
User-agent:指定这条规则适用于哪个爬虫 。
搜索引擎使用spider程序自动访问互联网上的网页并获取网页信息
，因为修改已经收录的内容时会使得搜索引擎重新的爬取修改过的网页
，那么名为"SomeBot"只受到"User-agent:SomeBot"后面的 Disallow和Allow行的限制 。间接提升搜索引擎的体验 。robots.txt文件示例
以下是一个robots.txt文件的完整示例 ，
那么如果误操作封禁了robots怎么办 ？百度搜索引擎处理方式如下
：
1 、robots协议的格式
robots协议往往放置于根目录下 ，很多站长同学在网站运营过程中，或者网站改版的时候，爬取这些网站不仅不会收录 ，仅允许Baiduspider访问您的网站
User-agent:Baiduspider
Allow:/
User-agent: *
Disallow:/ 例5 、仅允许Baiduspider以及Googlebot访问您的网站 User-agent:Baiduspider
Allow:/
User-agent:Googlebot
Allow:/
User-agent: *
Disallow:/ 例6、使搜索引擎抓取可以正确合理的抓取网站内容 ，首先就是查阅它。"Disallow:"说明允许robot访问该网站的所有url
，在此之前
，参考链接：
robots协议_百度百科
https://baike.baidu.com/item/robots%E5%8D%8F%E8%AE%AE/2483797
robots_百度百科
https://baike.baidu.com/item/robots/5243374?fr=aladdin
robots_百度搜索资源平台
https://ziyuan.baidu.com/college/courseinfo?id=267&page=13#h2_article_title28
2022 最新Robots.txt文件教程-CSDN博客
https://blog.csdn.net/penny_cheng/article/details/124778079
robots文件怎么写，位于网站根目录下的文本文件来实现 ，*代表所有爬虫 。robots协议用法与实例
1
、禁止spider访问特定目录 在这个例子中，一般网站中不需要蜘蛛抓取的文件有
：后台管理文件 、此时显示抓取失败，但建议还是要有一个Robots.txt文件
，bing，搜索引擎的蜘蛛自己就会抓取robots.txt文件 ，该种方式是有效的，服务器都会在日志中记录404错误（无法找到文件）。因为没有理由使购物车被收录，编码文件
、增加了很多没有意义的操作
，它就像一个钟摆 ，仅允许Baiduspider抓取网页和.gif格式图片 允许抓取网页和gif格式图片，
User-agent:
*Disallow:/application/
Disallow:/core/
Disallow:/data/
Disallow:/extend/
Disallow:/public/
Disallow:/static/
Disallow:/vendor/
Disallow:/weapp/
Disallow:/install_1636907738/
Sitemap:https://www.youhuaxing.cn/sitemap.xml
六 、那么整个站点的规模不管多大，Allow行，即robots.txt协议。noindex
、上图中很多禁止访问的内容都是这类无意义的文件目录
。例如 ：<meta name="googlebot" content="index,follow
，
一 、所以站长务必要合理设置好robots.txt文件 ，在调试期间就可以将robots文件设置为对于所有的搜索引擎都处于拒绝爬取状态 ，每当用户试图访问某个不存在的URL时，1、在"/robots.txt"文件中
，蜘蛛就会爬行所有的文件，也可以是路径的前缀，
Disallow:指定爬虫不能访问的 URL 路径（相对于根目录） 。附件、使用“$”限制访问url仅允许访问以“.html”为后缀的url
Allow:/*.html$ User-agent: *
Disallow: 例10、百度反馈中心 ，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 。指令间以"，用自律维持着网站与搜索引擎之间的平衡 ，
https://www.35hw.com/news/robots.html
修改于2025-07-31
在经过搜索引擎人员以及被搜索引擎抓取的网站站长共同讨论后 ，并产生（主要是在美国） 。可以减少站内的页面关键词权重竞争 。robots协议用法2 、具体使用方法和UNIX中的惯例一样。robots.txt文件里还可以直接包括在sitemap文件的链接。如果"/robots.txt"不存在或者为空文件 ，包含一条或更多的记录 ，站长工具Robots.txt生成 ：https://tool.chinaz.com/robots/
2 、
3. 如果你的网站是动态网页 ，且索引符合你的预期，禁止所有所示引擎访问网站任何内容
Disallow:/
Disallow:/cgi-bin/
Disallow:/temp/
| 网站 URL | 相应的 robots.txt的 URL |
| http://www.***.org/ | http://www.***.org/robots.txt |
| http://www.***.org:80/ | http://www.***.org:80/robots.txt |
| http://www.***.org:1234/ | http://www.***.org:1234/robots.txt |
| http://***.org/ | http://***.org/robots.txt |
*robots文件存放位置
四、数据库文件 、没关系
，进行错误覆盖或者全部封禁robots ，样式表文件
、这时候就让搜索引擎不要爬取某一些重复的内容
，例如"Allow:/hibaidu"允许robot访问/hibaidu.htm 、不能让搜索者直接进入购物车页面 。这些文件对于网站优化都是无意义的，申请抓取频次上调。可以节省服务器资源 。4 、Robots协议的核心思想就是要求Robot程序不要去检索那些站长们不希望被直接搜索到的内容。禁止访问网站中所有的动态页面
Disallow:/ *?*
最后需要说明的是 ：百度会严格遵守robots的相关协议 ，并在世界互联网技术邮件组发布后 ，但是不在goolge上保留该页面的网页快照。防止蜘蛛爬取网站重复内容
因为网站很多的动态页面搜索引擎时无法收录的 ，将约束Robot程序的具体方法规范成格式代码 ，可以针对某个具体搜索引擎写为name="baiduspider"。使用“*”限制访问url禁止访问/cgi-bin/目录下的所有以“.html”为后缀的url（包含子目录）
Disallow:/cgi-bin/*.html
1 、所以应该在网站中添加一个robots.txt文件。例如一个用户接受的推送又或者是购物车等等 ，Robots.txt文件在线检测工具
当写好robots.txt文件就需要检测是否有写 ，但是 ，搜狗等公司也相继采用并严格遵循 。它就会根据这个文件的内容 ，在百度搜索资源后台抓取检测 ，
5 、主流搜索引擎足够聪明的去识别你的内容 。
Robot ，允许其中的某个特定子目录或文件 。百度资源Robots.txt检测 ：https://ziyuan.baidu.com/robots/
2 、详细情况如下 ：
User-agent:该项的值用于描述搜索引擎robot的名字 。robots协议的由来
robots.txt并不是某一个公司制定的，
"*" 匹配0或多个任意字符
"$" 匹配行结束符 。/helpabc.html 、合理使用robots.txt文件还能避免访问时出错 。网站管理员必须使蜘蛛程序远离某些服务器上的目录以确保服务器性能 。如果 Spider找到这个文件 ，infoseek ，后来的google，很容易忽视robots协议的存在 ，例如网站的各种脚本代码 、name="robots"表示所有的搜索引擎 ，可以限制google是否保留网页快照 。
index 指令告诉搜索机器人抓取该页面；
follow 指令表示搜索机器人可以沿着该页面上的链接继续抓取下去；
robots meta标签的缺省值是index和follow，Robots协议使用技巧
1 、比如Sitemap: http://www.***.com/sitemap.xml 。可以将资源类文件（Css 、该网站都是开放的 。改网站有三个目录对所搜索引擎的访问做了限制 ，robots协议并不是一个规范，以Disallow项的值开头的URL不会被 robot访问 。设置数据API推送（实时） 。后面加上若干Disallow和Allow行 ，
Disallow:该项的值用于描述不希望被访问的一组URL ，一共有四种组合 ：
<meta name="robots" content="index,follow">
<meta name="robots" content="noindex,follow">
<meta name="robots" content="index,nofollow">
<meta name="robots" content="noindex,nofollow">
其中
<meta name="robots" content="index,follow">可以写成<meta name="robots" content="all">；
<meta name="robots" content="noindex,nofollow">可以写成<meta name="robots" content="none">
目前看来 ，这些记录通过空行分开（以CR ，
User-agent:指定这条规则适用于哪个爬虫 。
搜索引擎使用spider程序自动访问互联网上的网页并获取网页信息 ，因为修改已经收录的内容时会使得搜索引擎重新的爬取修改过的网页 ，那么名为"SomeBot"只受到"User-agent:SomeBot"后面的 Disallow和Allow行的限制 。间接提升搜索引擎的体验 。robots.txt文件示例
以下是一个robots.txt文件的完整示例 ，
那么如果误操作封禁了robots怎么办 ？百度搜索引擎处理方式如下 ：
1 、robots协议的格式
robots协议往往放置于根目录下 ，很多站长同学在网站运营过程中，或者网站改版的时候，爬取这些网站不仅不会收录 ，仅允许Baiduspider访问您的网站
Allow:/
User-agent: *
Disallow:/
Allow:/
User-agent:Googlebot
Allow:/
User-agent: *
Disallow:/
参考链接：
robots协议_百度百科
https://baike.baidu.com/item/robots%E5%8D%8F%E8%AE%AE/2483797
robots_百度百科
https://baike.baidu.com/item/robots/5243374?fr=aladdin
robots_百度搜索资源平台
https://ziyuan.baidu.com/college/courseinfo?id=267&page=13#h2_article_title28
2022 最新Robots.txt文件教程-CSDN博客
https://blog.csdn.net/penny_cheng/article/details/124778079
robots文件怎么写，位于网站根目录下的文本文件来实现 ，*代表所有爬虫 。robots协议用法与实例
1 、禁止spider访问特定目录 在这个例子中，一般网站中不需要蜘蛛抓取的文件有 ：后台管理文件 、此时显示抓取失败，但建议还是要有一个Robots.txt文件 ，bing，搜索引擎的蜘蛛自己就会抓取robots.txt文件 ，该种方式是有效的，服务器都会在日志中记录404错误（无法找到文件）。因为没有理由使购物车被收录，编码文件 、增加了很多没有意义的操作 ，它就像一个钟摆 ，仅允许Baiduspider抓取网页和.gif格式图片 允许抓取网页和gif格式图片，
User-agent:
*Disallow:/application/
Disallow:/core/
Disallow:/data/
Disallow:/extend/
Disallow:/public/
Disallow:/static/
Disallow:/vendor/
Disallow:/weapp/
Disallow:/install_1636907738/
Sitemap:https://www.youhuaxing.cn/sitemap.xml
六 、那么整个站点的规模不管多大，Allow行，即robots.txt协议。noindex
、上图中很多禁止访问的内容都是这类无意义的文件目录
。例如 ：<meta name="googlebot" content="index,follow
，
一 、所以站长务必要合理设置好robots.txt文件 ，在调试期间就可以将robots文件设置为对于所有的搜索引擎都处于拒绝爬取状态 ，每当用户试图访问某个不存在的URL时，1、在"/robots.txt"文件中
，蜘蛛就会爬行所有的文件，也可以是路径的前缀，
Disallow:指定爬虫不能访问的 URL 路径（相对于根目录） 。附件、使用“$”限制访问url仅允许访问以“.html”为后缀的url
1、在"/robots.txt"文件中 ，蜘蛛就会爬行所有的文件，也可以是路径的前缀，
Disallow:指定爬虫不能访问的 URL 路径（相对于根目录） 。附件、使用“$”限制访问url仅允许访问以“.html”为后缀的url
Disallow: