Web Robot就象一个不速之客，不管你是否在意，它都会忠于自己主人的职责，任劳任怨、不知疲倦地奔波于万维网的空间，当然也会光临你 的主页，检索主页内容并生成它所需要的记录格式。或许有的主页内容你乐于世人皆知，但有的内容你却不愿被 洞察、索引。难道你就只能任其“横行”于自己主 页空间，能否指挥和控制Web Robot的行踪呢？答案当然是肯定的。只要你阅读了本篇的下文，就可以象一个交通 警察一样，布置下一个个路标，告诉 Web Robot应该怎么去检索你的主页，哪些可以检索，哪些不可以访问。 　　其实Web Robot能听懂你的话 　　不要以为Web Robot是毫无组织，毫无管束地乱跑。很多Web Robot软件给网络站点的 管理员或网页内容制作者提供了两种方法来限制Web Robot的行踪： 　　1、Robots Exclusion Protocol 协议 　　网络站点的管理员可以在站点上建立一个专门格式的文件，来指出站点上的哪一部分 可以被robot访问, 这个文件放在站点的根目录下，即robots.txt." target="_blank"> 　　2、Robots META tag 　　一个网页作者可以使用专门的HTML META tag ，来指出某一个网页是否可以被索 引、分析或链接。 　　这些方法适合于大多数的Web Robot，至于是否在软件中实施了这些方法，还依赖于 Robot的开发者，并非可以保证对任何Robot都灵验。如果你迫切需要保护自己内容，则应考虑采用诸如增加密码等其他保护方法。 　　使用Robots Exclusion Protocol协议 　　当Robot访问一个 Web 站点时，比如 ，它先去检查文件robots.txt" target="_blank"> 。如果这个文件存在，它便会按照这样的记录格式去分析： 　　User-agent: * 　　Disallow: /cgi-bin/ 　　Disallow: /tmp/ 　　Disallow: /~joe/ 　　以确定它是否应该检索站点的文件。这些记录是专门给Web Robot看的，一般的浏览 者大概永远不会看到这个文件，所以千万不要异想天开 地在里面加入形似 类的HTML语句或是“How do you do? where are you from?”之类假情假意的问候语。 　　在一个站点上只能有一个 "/robots.txt" 文件，而且文件名的每个字母要求全部是小 写。在Robot的记录格式中每一个单独 的"Disallow"行表示你不希望Robot访问的URL， 每个URL必须单独占一行，不能出现 "Disallow: /cgi-bin / /tmp/"这样的病句。同时在一个记录中不能出现空行，这是因为空行是多个记录分割的标志。 　　User-agent行指出的是Robot或其他代理的名称。在User-agent行，'*' 表示一个特殊的含义---所有的robot。 　　下面是几个robot.txt的例子： 　　在整个服务器上拒绝所有的robots： 　　User-agent: * 　　Disallow: / 　　允许所有的robots访问整个站点： 　　User-agent: * 　　Disallow: 　　或者产生一个空的 "/robots.txt" 文件。 　　服务器的部分内容允许所有的robot访问 　　User-agent: * 　　Disallow: /cgi-bin/ 　　Disallow: /tmp/ 　　Disallow: /private/ 　　拒绝某一个专门的robot： 　　User-agent: BadBot 　　Disallow: / 　　只允许某一个robot光顾： 　　User-agent: WebCrawler 　　Disallow: 　　User-agent: * 　　Disallow: / 　　 　　最后我们给出  站点上的robots.txt： 　　# For use by search.w3.org 　　User-agent: W3Crobot/1 　　Disallow: 　　User-agent: * 　　Disallow: /Member/ # This is restricted to W3C Members only 　　Disallow: /member/ # This is restricted to W3C Members only 　　Disallow: /team/ # This is restricted to W3C Team only 　　Disallow: /TandS/Member # This is restricted to W3C Members only 　　Disallow: /TandS/Team # This is restricted to W3C Team only 　　Disallow: /Project 　　Disallow: /Systems 　　Disallow: /Web 　　Disallow: /Team 　　 　　使用Robots META tag方式 　　Robots META tag 允许HTML网页作者指出某一页是否可以被索引，或是否可以用来查找更多的链接文件。目前只有部分robot实施了这一功能。 　　Robots META tag的格式为： 　　 　　象其他的META tag一样，它应该放在HTML文件的HEAD区： 　　 　　... 　　Robots META tag指令使用逗号隔开，可以使用的指令包括 [NO]INDEX 和[NO]FOLLOW。INDEX 指令指出 一个索引性robot是否可以对本页进行索引；FOLLOW 指 令指出robot是否可以跟踪本页的链接。缺省的情况是INDEX和FOLLOW。