【www.bbyears.com--WordPress】
很多建站新手对robots.txt文件的重要作用不是很清楚，利用这篇文章普及一下WordPress站点robots.txt文件编写知识。
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。
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。
知道Robots协议的作用后，下面具体说一下WordPress站点如何编写robots.txt文件。
WordPress站点默认在浏览器中输入：http://你的域名/robots.txt，会显示如下内容：
User-agent: *
Disallow: /wp-admin/
Disallow: /wp-includes/
这是由WordPress自动生成的，意思是告诉搜索引擎不要抓取后台程序文件。
但这是远远不够的，比较完整的WordPress站点robots.txt文件内容如下：
User-agent: *
Disallow: /wp-admin/
Disallow: /wp-content/
Disallow: /wp-includes/
Disallow: /*/comment-page-*
Disallow: /*?replytocom=*
Disallow: /category/*/page/
Disallow: /tag/*/page/
Disallow: /*/trackback
Disallow: /feed
Disallow: /*/feed
Disallow: /comments/feed
Disallow: /?s=*
Disallow: /*/?s=*\
Disallow: /attachment/
使用方法：新建一个名称为robots.txt文本文件，将上面的内容放进去，然后上传到网站根目录即可。
下面分别解释一下各项的作用：
1、Disallow: /wp-admin/、Disallow: /wp-content/和Disallow: /wp-includes/
用于告诉搜索引擎不要抓取后台程序文件页面。
2、Disallow: /*/comment-page-*和Disallow: /*?replytocom=*
禁止搜索引擎抓取评论分页等相关链接。
3、Disallow: /category/*/page/和Disallow: /tag/*/page/
禁止搜索引擎抓取收录分类和标签的分页。
4、Disallow: /*/trackback
禁止搜索引擎抓取收录trackback等垃圾信息
5、Disallow: /feed、Disallow: /*/feed和Disallow: /comments/feed
禁止搜索引擎抓取收录feed链接，feed只用于订阅本站，与搜索引擎无关。
6、Disallow: /?s=*和Disallow: /*/?s=*\
禁止搜索引擎抓取站内搜索结果
7、Disallow: /attachment/
禁止搜索引擎抓取附件页面，比如毫无意义的图片附件页面。
上面只是些基本的写法，当然还有很多，不过够用了。
如何利用robots.txt对wordpress博客进行优化
笔者在百度站长平台检测自己的博客时，出于优化的惯性，对博客的Rbots进行了检测，进而在百度搜索了wordpress博客robots的写法设置问题，看了很多wordpress高手对robots优化设置后，终于有所领悟，在此也分享给一些wordpress新手看看如何去善用robots.txt对wordpress博客进行优化。
一、先来普及下robots.txt的概念：
robots.txt(统一小写)是一种存放于网站根目录下的ASCII编码的文本文件，它通常告诉网络搜索引擎的漫游器(又称网络蜘蛛)，此网站中的哪些内容是不能被搜索引擎的漫游器获取的，哪些是可以被(漫游器)获取的。这个文件用于指定spider在您网站上的抓取范围，一定程度上保护站点的安全和隐私。同时也是网站优化利器，例如屏蔽捉取站点的重复内容页面。
robots.txt目前并不是一种标准，只是一种协议!所以现在很多搜索引擎对robots.txt里的指令参数都有不同的看待。
二、使用robots.txt需要注意的几点地方：
1、指令区分大小写，忽略未知指令，下图是本博客的robots.txt文件在Google管理员工具里的测试结果;
2、每一行代表一个指令，空白和隔行会被忽略;
3、“#”号后的字符参数会被忽略;
4、有独立User-agent的规则，会排除在通配“*”User agent的规则之外;
5、可以写入sitemap文件的链接，方便搜索引擎蜘蛛爬行整站内容。
6、尽量少用Allow指令，因为不同的搜索引擎对不同位置的Allow指令会有不同看待。
三、Wordpress的robots.txt优化设置
1、User-agent： *
一般博客的robots.txt指令设置都是面对所有spider程序，用通配符“*”即可。如果有独立User-agent的指令规则，尽量放在通配“*”User agent规则的上方。
2、Disallow： /wp-admin/
Disallow： /wp-content/
Disallow： /wp-includes/
屏蔽spider捉取程序文件，同时也节约了搜索引擎蜘蛛资源。
3、Disallow： /*/trackback
每个默认的文章页面代码里，都有一段trackback的链接，如果不屏蔽让蜘蛛去捉取，网站会出现重复页面内容问题。
4、Disallow： /feed
Disallow： /*/feed
Disallow： /comments/feed
头部代码里的feed链接主要是提示浏览器用户可以订阅本站，而一般的站点都有RSS输出和网站地图，故屏蔽搜索引擎捉取这些链接，节约蜘蛛资源。
5、Disallow： /?s=*
Disallow： /*/?s=*
这个就不用解释了，屏蔽捉取站内搜索结果。站内没出现这些链接不代表站外没有，如果收录了会造成和TAG等页面的内容相近。
6、Disallow： /?r=*
屏蔽留言链接插件留下的变形留言链接。(没安装相关插件当然不用这条指令)
7、Disallow： /*.jpg$
Disallow： /*.jpeg$
Disallow： /*.gif$
Disallow： /*.png$
Disallow： /*.bmp$
屏蔽捉取任何图片文件，在这里主要是想节约点宽带，不同的网站管理员可以按照喜好和需要设置这几条指令。
8、Disallow： /?p=*
屏蔽捉取短链接。默认头部里的短链接，百度等搜索引擎蜘蛛会试图捉取，虽然最终短链接会301重定向到固定链接，但这样依然造成蜘蛛资源的浪费。
9、Disallow： /*/comment-page-*
Disallow： /*?replytocom*
屏蔽捉取留言信息链接。一般不会收录到这样的链接，但为了节约蜘蛛资源，也屏蔽之。
10、Disallow： /a/date/
Disallow： /a/author/
Disallow： /a/category/
Disallow： /?p=*&preview=true
Disallow： /?page_id=*&preview=true
Disallow： /wp-login.php
屏蔽其他的一些形形色色的链接，避免造成重复内容和隐私问题。
10、Sitemap:http://***.com/sitemap.txt
网站地图地址指令，主流是txt和xml格式。告诉搜索引擎网站地图地址，方便搜索引擎捉取全站内容，当然你可以设置多个地图地址。要注意的就是Sitemap的S要用大写，地图地址也要用绝对地址。
上面的这些Disallow指令都不是强制要求的，可以按需写入。也建议站点开通谷歌管理员工具，检查站点的robots.txt是否规范。
好了，以上就是对利用robots.txt对wordpress博客进行优化的详细内容，希望可以帮助和我一样刚接触wordpress博客的同学。
优化WordPress的robots.txt让博客更健康
WordPress目前全球有数千万用户，包括独立博客和博客平台，且很多人把Wordpress开发成CMS来使用。Wordpress程序的优越性就不用多说了。
讲Wordpress的robots.txt优化之前，先对robots.txt的相关知识普及一下。
robots.txt是一个存放在网站根目录下的纯文本文件（ASCII编码），这个文件用于指定spider在您网站上的抓取范围，一定程度上保护站点的安全和隐私。同时也是网站优化利器，例如屏蔽捉取站点的重复内容页面。
robots.txt目前并不是一种标准，只是一种协议！所以现在很多搜索引擎对robots.txt里的指令参数都有不同的看待。
使用robots.txt需要注意的几点地方：
1、指令区分大小写，忽略未知指令，下图是本博客的robots.txt文件在Google管理员工具里的测试结果；
好像还是不支持中文等非英文字符，如需添加中文地址指令，请先转码（UTF-8和GBK会有不同的转码结果）。
如果想第一时间知道自己写的robots.txt是否规范，可以用Google管理员工具的“像 Googlebot 一样抓取”功能。捉取后，点击“成功”那个链接进去，就可以看到Google眼中的robots.txt了。
2、每一行代表一个指令，空白和隔行会被忽略；
3、“#”号后的字符参数会被忽略；
4、有独立User-agent的规则，会排除在通配“*”User agent的规则之外；
5、可以写入sitemap文件的链接，方便搜索引擎蜘蛛爬行整站内容。
6、尽量少用Allow指令，因为不同的搜索引擎对不同位置的Allow指令会有不同看待。
想了解更多关于robots.txt的“标准化”说明，可以查看robots.txt官网和Google关于robots.txt的说明页。
转入正题。因为Wordpress建站设置不同的固定链接（或者安装不同的插件），在写指令的时候，相应的地址会不同。本博客固定链接设置为：/a/%post_id%.html，供参考。
下面开始Wordpress的robots.txt优化之旅，同时请下载本博客的robots.txt边看边学优化。
User-agent： *
一般博客的robots.txt指令设置都是面对所有spider程序，用通配符“*”即可。如果有独立User-agent的指令规则，尽量放在通配“*”User agent规则的上方。
Disallow： /wp-admin/
Disallow： /wp-content/
Disallow： /wp-includes/
屏蔽spider捉取程序文件，同时也节约了搜索引擎蜘蛛资源。
Disallow： /*/trackback
每个默认的文章页面代码里，都有一段trackback的链接，如果不屏蔽让蜘蛛去捉取，网站会出现重复页面内容问题。
Disallow： /feed
Disallow： /*/feed
Disallow： /comments/feed
头部代码里的feed链接主要是提示浏览器用户可以订阅本站，而一般的站点都有RSS输出和网站地图，故屏蔽搜索引擎捉取这些链接，节约蜘蛛资源。
Disallow： /?s=*
Disallow： /*/?s=*
这个就不用解释了，屏蔽捉取站内搜索结果。站内没出现这些链接不代表站外没有，如果收录了会造成和TAG等页面的内容相近。
Disallow： /?r=*
屏蔽留言链接插件留下的变形留言链接。（没安装相关插件当然不用这条指令）
Disallow： /*.jpg$
Disallow： /*.jpeg$
Disallow： /*.gif$
Disallow： /*.png$
Disallow： /*.bmp$
屏蔽捉取任何图片文件，在这里主要是想节约点宽带，不同的网站管理员可以按照喜好和需要设置这几条指令。
Disallow： /?p=*
屏蔽捉取短链接。默认头部里的短链接，百度等搜索引擎蜘蛛会试图捉取，虽然最终短链接会301重定向到固定链接，但这样依然造成蜘蛛资源的浪费。
Disallow： /*/comment-page-*
Disallow： /*?replytocom*
屏蔽捉取留言信息链接。一般不会收录到这样的链接，但为了节约蜘蛛资源，也屏蔽之。
Disallow： /a/date/
Disallow： /a/author/
Disallow： /a/category/
Disallow： /?p=*&preview=true
Disallow： /?page_id=*&preview=true
Disallow： /wp-login.php
屏蔽其他的一些形形色色的链接，避免造成重复内容和隐私问题。
Sitemap:http://***.com/sitemap.txt
网站地图地址指令，主流是txt和xml格式。告诉搜索引擎网站地图地址，方便搜索引擎捉取全站内容，当然你可以设置多个地图地址。要注意的就是Sitemap的S要用大写，地图地址也要用绝对地址。
上面的这些Disallow指令都不是强制要求的，可以按需写入。也建议站点开通谷歌管理员工具，检查站点的robots.txt是否规范。