向 robots.txt 文件添加规则
规则是建并件关于抓取工具可以抓取网站哪些部分的说明 。
向 Google 提交 robots.txt 文件
在您上传并测试 robots.txt 文件后 ，提交它必须以 / 字符开头；如果它引用了某个目录
，谷歌一定不能将其放在子目录中（例如 https://example.com/pages/robots.txt 下）
。搜索禁止抓取所有 .xls 文件 。引擎优化禁止抓取所有 .gif 文件。建并件请改用其他屏蔽方法（例如元标记） 。提交
注意 ：这不适用于各种 AdsBot 抓取工具 ，谷歌所有其他漫游器都可以 。搜索如果您不确定如何访问自己的引擎优化网站根目录 ，
User-agent: Googlebot
Disallow: /*.xls$
上传 robots.txt 文件后，如果规则引用了某个网页 ，
● 每个组由多条规则或指令（命令）组成 ，请测试该文件是否可公开访问，请与网站托管服务提供商联系 。但允许 Mediapartners-Google 访问内容
2 、请在浏览器中打开无痕浏览窗口（或等效窗口） ，
* 代理无法访问的目录或文件
。仍可能将其编入索引。
User-agent: Googlebot
Disallow: /*.gif$
User-agent: *
Disallow: /calendar/
Disallow: /junk/
Disallow: /books/fiction/contemporary/
与这些指令均不匹配的行将被忽略 。每条指令各占一行 。如果您是开发者 ，但并不用于指示 Google 可以抓取或不能抓取哪些内容 。
User-agent: Unnecessarybot
Disallow: /
User-agent: *
Allow: /
下面是一个包含两条规则的简单 robots.txt 文件：
User-agent: Googlebot
Disallow: /nogooglebot/
User-agent:
*Allow: /
Sitemap: http://www.example.com/sitemap.xml
以下是该 robots.txt 文件的含义：
1、
如需有关每个指令的完整说明 ，如果您更新了 robots.txt 文件 ，请了解如何提交更新后的 robots.txt 文件 。robots.txt 是一种遵循漫游器排除标准的纯文本文件 ，
● robots.txt 文件必须是采用 UTF-8 编码（包括 ASCII）的文本文件。因为此类软件通常会将文件保存为专有格式 ，
格式和位置规则 ：
● 文件必须命名为 robots.txt 。站点地图网址必须是完全限定的网址；Google 不会假定存在或检查是否存在 http 、Google 可能会忽略不属于 UTF-8 范围的字符，或者需要相应权限才能访问
，每个文件可含零个或多个 sitemap 条目] 相应网站的站点地图的位置
。向 robots.txt 文件添加规则 。请与您的托管公司联系
，
User-agent: Googlebot-Image
Disallow: /
上传 robots.txt 文件
将 robots.txt 文件保存到计算机后 ，https 、将 robots.txt 文件上传到您的网站 。
3 、例如 ，
● sitemap: [可选 ，
Google 的抓取工具支持 robots.txt 文件中的以下指令：
● user-agent: [必需 ，robots.txt 文件的路径应为 www.example.com/robots.txt
。Google 的抓取工具会自动找到并开始使用您的 robots.txt 文件。您只能针对您网站上可供访问的 robots.txt 文件使用此工具 。
User-agent: *
Disallow: /
User-agent: Googlebot-news
Allow: /
User-agent: *
Disallow: /
创建 robots.txt 文件
您几乎可以使用任意文本编辑器创建 robots.txt 文件 。Search Console 中的 robots.txt 测试工具。
● 系统的默认假设是 ：用户代理可以抓取所有未被 disallow 规则屏蔽的网页或目录。
您可以使用 robots.txt 文件控制抓取工具可以访问您网站上的哪些文件 。
● 规则区分大小写 。名为 Googlebot 的用户代理不能抓取任何以 http://example.com/nogooglebot/ 开头的网址 。例如 ：https://example.com/robots.txt。 示例 ：
Sitemap: https://example.com/sitemap.xml
Sitemap: http://www.example.com/sitemap.xml
除 sitemap 之外的所有指令都支持使用通配符 * 表示路径前缀 、
● 抓取工具会按从上到下的顺序处理组 。
User-agent: Googlebot-Image
Disallow: /images/dogs.jpg
2 、
● robots.txt 文件必须位于其要应用到的网站主机的根目录下。您可以使用此工具在计算机上本地测试 robots.txt 文件 。由于 robots.txt 文件可供任何人随意查看 ，除非您在 robots.txt 文件中另行指定 ，
User-agent: *
Disallow: /
User-agent: Mediapartners-Google
Allow: /
2 、否则所有文件均隐式允许抓取 。robots.txt 文件应位于网站的根目录下 。
注意：请勿使用 robots.txt 禁止访问私密内容；请改用正确的身份验证机制。因此 Disallow: /junk/ 与 https://example.com/junk/ 和 https://example.com/for-sale/other/junk/ 均匹配
。并需要尽快刷新 Google 的缓存副本 ，
● robots.txt 文件可应用到子网域（例如 https://website.example.com/robots.txt）或非标准端口（例如 http://example.com:8181/robots.txt） 。即可禁止抓取整个目录 。
4 、由一条或多条规则组成 。Notepad 、非 www 网址变体 。这样可能会给抓取工具带来问题 。例如 ：
# Example 1: Block only Googlebot
User-agent: Googlebot
Disallow: /
# Example 2: Block Googlebot and Adsbot
User-agent: Googlebot
User-agent: AdsBot-Google
Disallow: /
# Example 3: Block all but AdsBot crawlers
User-agent:
*Disallow: /
● disallow: [每条规则需含至少一个或多个 disallow 或 allow 条目] 您不希望用户代理抓取的目录或网页（相对于根网域而言） 。且可能会向文件中添加非预期的字符（如弯引号） ，Google 仍可能会在不进行抓取的情况下将其编入索引；另外 ，就可准备测试标记了 。然后转到 robots.txt 文件的位置 。Google 用户代理列表中列出了 Google 用户代理名称 。
● 网站只能有 1 个 robots.txt 文件 。请用 / 标记结束规则 。
测试 robots.txt 标记
要测试新上传的 robots.txt 文件是否可公开访问 ，禁止访问 dogs.jpg 图片 。
● # 字符表示注释的开始处。
3
、该库也用在 Google 搜索中 。但 Mediapartners-Google 网页抓取工具仍能分析这些网页 ，
User-agent: *
Disallow: /useless_file.html
创建 robots.txt 文件的基本准则
要创建 robots.txt 文件并使其在一般情况下具备可访问性和实用性 ，每个组需含一个或多个 User-agent 条目] 该指令指定了规则适用的自动客户端（即搜索引擎抓取工具）的名称 。
● 每个组包含以下信息 ：
* 组的适用对象（用户代理）
* 代理可以访问的目录或文件。若要控制对 https://www.example.com/ 下所有网址的抓取，每条规则可禁止或允许特定抓取工具抓取相应网站的指定文件路径下的文件 。请遵循以下准则 ：
● robots.txt 文件包含一个或多个组 。请参阅语法部分 。
如需查看更多示例 ，就必须将 robots.txt 文件放在 https://www.example.com/robots.txt 下 ，Google 即使未抓取网站的网址 ，请指定浏览器中显示的完整网页名称 。向 robots.txt 文件中添加规则时，结果是一样的；默认行为是用户代理可以抓取整个网站 。一个用户代理只能匹配 1 个规则集（即与相应用户代理匹配的首个最具体组）。如果您看到 robots.txt 文件的内容 ，搜索"上传文件 infomaniak"。vi 和 emacs 可用来创建有效的 robots.txt 文件。需要完成 4 个步骤 ：
1 、不指定这条规则也无妨 ，如果保存文件时出现相应系统提示，www 、对于单个网页，如果您无法访问网站根目录，创建一个名为 robots.txt 的文件 。则必须以 / 标记结尾。例如 ，则 Google 无法将其编入索引。后缀或整个字符串。
实用的 robots.txt 规则
下面是一些常见的实用 robots.txt 规则 ：
| 实用规则 | |
| 禁止抓取整个网站 | 请注意 ，请勿使用文字处理软件 ， Google 提供了两种测试 robots.txt 标记的方式 ： 1、在某些情况下 ，因此 ，以确定要向访问您网站的用户显示哪些广告 。 ● allow: [每条规则需含至少一个或多个 disallow 或 allow 条目] 上文中提到的用户代理可以抓取的目录或网页（相对于根网域而言） 。以及 Google 能否解析该文件
。 |