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。
sitemapindex文件根节点必须是<sitemapindex>。sitemapindex文件编码必须为UTF-8，第一行为: <?xml version="1.0" encoding="utf-8" ?>。sitemapindex文件禁止使用命名空间，禁止使用规定之外的属性。sitemapindex文件大小不得超过5M，site
301跳转生效后，原网页是否会被删除？答：不会，会与跳转后的新网页同时存在。来源：百度搜索资源平台 百度搜索学堂
robots文件往往放置于根目录下，包含一条或更多的记录，这些记录通过空行分开（以CR,CR/NL,or NL作为结束符），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，具体使用方法和UNIX中的惯例一样。该文件中的记录通常以
robots.txt文件放在哪里?robots.txt文件应该放置在网站根目录下。举例来说，当spider访问一个网站（比如 http://www.abc.com）时，首先会检查该网站中是否存在http://www.abc.com/robots.txt这个文件，如果 Spider找到这个文件，它就会根据这个文件的内容，来确定它访问权限的范围。网站 URL相应的 robots.txt的 URLhtt
