1. Robots.txt是一个协议，用于控制搜索引擎爬虫的访问范围。 2. Robots.txt文件位于网站的根目录下，包含了一些指令告诉爬虫哪些页面可以访问，哪些页面需要限制访问。 3. Robots.txt文件并不会阻止所有爬虫的访问，只有支持Robots.txt协议的爬虫才会遵守文件中的指令。 4. Robots.txt文件中的指令可以根据不同的爬虫进行个性化设置，可以控制不同爬虫访问不同的页面。 5. Robots.txt文件中可以使用通配符设置规则，如“*”代表任意字符，“$”代表结尾等。 6. 一些常见的搜索引擎会读取Robots.txt文件，如Google、Baidu、Bing等。 7. Robots.txt文件可以更改，如果需要让某些页面对所有爬虫开放或限制访问，可以通过修改文件来实现。 8. 另外，Robots.txt文件是公开的，任何人都可以访问，因此需要慎重处理敏感信息的指令。
Google网站地图(sitemap)是Google提供给网站管理员的一个工具，来提高网站被收录的网页数目。一般来说，搜索引擎蜘蛛会跟着链接爬行到你网站的所有网页。但很多时候，由于种种原因，并不是所有网页都能被收录进搜索引擎数据库。比如说，你的网站是数据库动态生成的，URL中带有参数，一些网页离主页太远，你的网站PR值太低，新的网页可能过很长时间才有机会被抓取等等。Google Sitemap就允
静态URL是指在网页中固定不变的URL链接，不依赖于用户的操作或数据库动态生成，而是由网站的开发者手动编写或生成的。 静态URL的优点包括： 1. 简洁直观：静态URL通常是简短、易于理解的，可以清晰地表达页面的内容和结构。 2. 便于搜索引擎索引：搜索引擎可以更容易地识别和索引静态URL，提高网站的搜索排名。 3. 可读性好：用户可以直接从URL中了解到页面的主题和内容，增加用户的点击意愿。
我robots这样写是不是就能避免蜘蛛爬这个“index.htm”这个首页？User-agent: *Disallow: /index.htm11-30.我的index.htm是现在默认的首页，想屏蔽蜘蛛抓取。让蜘蛛爬另一个文档，主要是规避备案巡查我的网站和我备案的不一样，服务器那边要求改，我就整了个htm文档来规避下。写法没有问题。但正常的不建议屏蔽首页地址，，“index.htm”这个后缀地址
1. Robots.txt是一个协议，用于控制搜索引擎爬虫的访问范围。 2. Robots.txt文件位于网站的根目录下，包含了一些指令告诉爬虫哪些页面可以访问，哪些页面需要限制访问。 3. Robots.txt文件并不会阻止所有爬虫的访问，只有支持Robots.txt协议的爬虫才会遵守文件中的指令。 4. Robots.txt文件中的指令可以根据不同的爬虫进行个性化设置，可以控制不同爬虫访
