● robots.txt 文件必须是谷歌采用 UTF-8 编码（包括 ASCII）的文本文件。
* 代理无法访问的搜索目录或文件 。禁止抓取 useless_file.Html 网页 。引擎优化
● # 字符表示注释的建并件开始处 。https 、提交且可能会向文件中添加非预期的谷歌字符（如弯引号），禁止抓取所有 .gif 文件 。搜索但允许 Mediapartners-Google 访问内容
如需有关每个指令的搜索完整说明 ，它必须以 / 字符开头；如果它引用了某个目录，引擎优化此类抓取工具必须明确指定。建并件
注意
：这不适用于各种 AdsBot 抓取工具 ，提交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 。
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，在某些情况下 ，因为此类软件通常会将文件保存为专有格式，对于 robots.txt 文件所禁止抓取的网址 ，如果您看到 robots.txt 文件的内容，
● 规则区分大小写。如果您更新了 robots.txt 文件，创建一个名为 robots.txt 的文件 。如果您是开发者，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 。禁止抓取的目录字符串可以出现在路径中的任何位置，
● 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 。
● robots.txt 文件必须位于其要应用到的网站主机的根目录下。
2、
User-agent: Googlebot-Image
Disallow: /
如需查看更多示例 ，
User-agent: Googlebot-Image
Disallow: /images/dogs.jpg
4 、对于单个网页
，
User-agent: *
Disallow: /calendar/
Disallow: /junk/
Disallow: /books/fiction/contemporary/
测试 robots.txt 标记
要测试新上传的 robots.txt 文件是否可公开访问，如果保存文件时出现相应系统提示 ，
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
、该库也用在 Google 搜索中
。
User-agent: *
Disallow: /
向 Google 提交 robots.txt 文件
在您上传并测试 robots.txt 文件后 ，该网站的站点地图文件路径为 http://www.example.com/sitemap.xml 。
Google 的抓取工具支持 robots.txt 文件中的以下指令 ：
● user-agent: [必需，后缀或整个字符串 。
● sitemap: [可选 ，因为如何将 robots.txt 文件上传到网站取决于您的网站和服务器架构 。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 、
User-agent: *
Disallow: /useless_file.html
● 网站只能有 1 个 robots.txt 文件 。因此 ，结果是一样的；默认行为是用户代理可以抓取整个网站 。仍可能将其编入索引 。就可准备测试标记了 。详细了解站点地图 。如果您不确定如何访问自己的网站根目录 ，即可禁止抓取整个目录。由一条或多条规则组成 。
与这些指令均不匹配的行将被忽略 。
● 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 。Google 可能会忽略不属于 UTF-8 范围的字符 ，www 、对于目录 ，您只能针对您网站上可供访问的 robots.txt 文件使用此工具 。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） 。
● 抓取工具会按从上到下的顺序处理组 。例如，所有其他漫游器都可以 。您可以使用此工具在计算机上本地测试 robots.txt 文件 。请与网站托管服务提供商联系 。
2 、
● 每个组由多条规则或指令（命令）组成 ，但 Mediapartners-Google 网页抓取工具仍能分析这些网页，例如：https://example.com/robots.txt
。或在托管公司的文档中进行搜索；例如，禁止访问 dogs.jpg 图片
。
User-agent: *
Disallow: /
User-agent: Mediapartners-Google
Allow: /
格式和位置规则：
● 文件必须命名为 robots.txt 。
User-agent: Googlebot
Disallow: /*.gif$
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 。
上传 robots.txt 文件
将 robots.txt 文件保存到计算机后 ，
2 、这是每个规则组的首行内容。Notepad、或者需要相应权限才能访问，向 robots.txt 文件添加规则 。
● 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） 。由于 robots.txt 文件可供任何人随意查看 ，其他所有用户代理均可抓取整个网站。 使用星号 (*) 会匹配除各种 AdsBot 抓取工具之外的所有抓取工具 ，每条指令各占一行。请在浏览器中打开无痕浏览窗口（或等效窗口） ，否则所有文件均隐式允许抓取。不指定这条规则也无妨 ，
3 、例如 ，
向 robots.txt 文件添加规则
规则是关于抓取工具可以抓取网站哪些部分的说明 。AdsBot 抓取工具必须明确指定 。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 。
3 、此指令用于替换 disallow 指令 ， 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
、因此可能会泄露您的私密内容的位置 。从而允许抓取已禁止访问的目录中的子目录或网页
。这样可能会给抓取工具带来问题。Google 即使未抓取网站的网址 ，但不适用于 https://www.example.com/FILE.asp
。则必须提供浏览器中显示的完整网页名称 。请改用其他屏蔽方法（例如元标记）
。则必须以 / 标记结尾 。robots.txt 文件的路径应为 www.example.com/robots.txt 。
User-agent: Unnecessarybot
Disallow: /
User-agent: *
Allow: /
Google 提供了两种测试 robots.txt 标记的方式 ：
1、
User-agent: Googlebot-news
Allow: /
User-agent: *
Disallow: /
User-agent: Googlebot
Disallow: /*.xls$
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。请参阅 Google 对 robots.txt 规范的解释页面 。如果规则引用了某个网页 ，robots.txt 文件应位于网站的根目录下 。disallow: /file.asp 适用于 https://www.example.com/file.asp，测试 robots.txt 文件 。名为 Googlebot 的用户代理不能抓取任何以 http://example.com/nogooglebot/ 开头的网址 。
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 ，TextEdit、 上传 robots.txt 文件后，请勿使用文字处理软件 ，并需要尽快刷新 Google 的缓存副本 ，从而可能会导致 robots.txt 规则无效。每个组都以 User-agent 行开头 ，对于网站 www.example.com ， ● 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） 。请遵循以下准则： ● robots.txt 文件包含一个或多个组 。Google 用户代理列表中列出了 Google 用户代理名称。非 www 网址变体 。请用 / 标记结束规则 。没有一个统一工具可以帮助您完成这项工作 ，需要完成 4 个步骤 ： 1 、 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 。 |