搜索引擎爬虫（蜘蛛）进入网站都是先看网站的 robots.txt 文件，以确认哪些是允许抓取和不允许抓取的，然后爬虫就会先从sitemap（网站地图）开始检索内容。

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。

比较完整的WordPress站点robots.txt文件内容如下：

robots.txt

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: /*?*
Disallow: /attachment/

使用方法：将以上文件下载，上传到网站根目录即可，当然，你应当根据自己网站的实际作一些必要的修改。

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: /*?*
• 禁止搜索抓取动态页面
• 8、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。

可以使用 Yoast SEO 生成网站地图，我们可以看一下这里：https://www.junbro.com/sitemap_index.xml

它是一个 XML 格式文件，有了网站地图，就可以去 GOOGLE和百度站长管理里提交网站地图，以便搜索引擎尽快抓取收录我们的网站。

同时，我们应当把这个网站地图链接放在 robots.txt 最后一行。如下：

robots.txt

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: /*?*
Disallow: /attachment/
 
Sitemap: http://www.你的域名.com/sitemap_index.xml