Robots.txt 带来的好处

1. 几乎所有的搜索引擎 Spider 都遵循robots.txt 给出的爬行规则，协议规定搜索引擎Spider 进
入某个网站的入口即是该网站的robots.txt，当然，前提是该网站存在此文件。对于没有配置
robots.txt 的网站，Spider 将会被重定向至404 错误页面，相关研究表明，如果网站采用了自
定义的404 错误页面，那么Spider 将会把其视作robots.txt——虽然其并非一个纯粹的文本文
件——这将给Spider 索引网站带来很大的困扰，影响搜索引擎对网站页面的收录。
2. robots.txt 可以制止不必要的搜索引擎占用服务器的宝贵带宽，如email retrievers，这类搜索
引擎对大多数网站是没有意义的；再如image strippers，对于大多数非图形类网站来说其也
没有太大意义，但却耗用大量带宽。
3. robots.txt 可以制止搜索引擎对非公开页面的爬行与索引，如网站的后台程序、管理程序，事
实上，对于某些在运行中产生临时页面的网站来说，如果未配置robots.txt，搜索引擎甚至会
索引那些临时文件。
4. 对于内容丰富、存在很多页面的网站来说，配置 robots.txt 的意义更为重大，因为很多时候
其会遭遇到搜索引擎Spider 给予网站的巨大压力：洪水般的Spider 访问，如果不加控制，甚
至会影响网站的正常访问。
5. 同样地，如果网站内存在重复内容，使用robots.txt 限制部分页面不被搜索引擎索引和收录，
可以避免网站受到搜索引擎关于 duplicate content 的惩罚，保证网站的排名不受影响。