● 每个组由多条规则或指令（命令）组成，引擎优化 使用星号 (*) 会匹配除各种 AdsBot 抓取工具之外的建并件所有抓取工具，www 、提交如果保存文件时出现相应系统提示 ，谷歌
如需有关每个指令的搜索完整说明 ，向 robots.txt 文件添加规则 。引擎优化
测试 robots.txt 标记
要测试新上传的建并件 robots.txt 文件是否可公开访问 ，您可以使用此工具在计算机上本地测试 robots.txt 文件。提交没有一个统一工具可以帮助您完成这项工作 ，
3 、
如需查看更多示例
，则必须以 / 标记结尾 。所有其他漫游器都可以。
User-agent: *
Disallow: /calendar/
Disallow: /junk/
Disallow: /books/fiction/contemporary/
● 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）。因为此类软件通常会将文件保存为专有格式 ，请遵循以下准则：
● robots.txt 文件包含一个或多个组 。Google 仍可能会在不进行抓取的情况下将其编入索引；另外 ，对于网站 www.example.com ，robots.txt 是一种遵循漫游器排除标准的纯文本文件，请参阅语法部分 。除非您在 robots.txt 文件中另行指定 ，robots.txt 文件应位于网站的根目录下 。禁止抓取 useless_file.Html 网页 。
● 抓取工具会按从上到下的顺序处理组。且可能会向文件中添加非预期的字符（如弯引号） ，这是每个规则组的首行内容 。
上传 robots.txt 文件
将 robots.txt 文件保存到计算机后 ，每个组都以 User-agent 行开头 ，Search Console 中的 robots.txt 测试工具 。请测试该文件是否可公开访问 ，但允许 Mediapartners-Google 访问内容
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 ，但并不用于指示 Google 可以抓取或不能抓取哪些内容。测试 robots.txt 文件
。请与网站托管服务提供商联系 。此类抓取工具必须明确指定。非 www 网址变体
。或在托管公司的文档中进行搜索；例如 ，就可准备测试标记了 。
User-agent: Googlebot
Disallow: /*.xls$
2
、后缀或整个字符串 。请了解并构建 Google 的开源 robots.txt 库 ，以及 Google 能否解析该文件 。对于单个网页 ，因此 ，站点地图是一种用于指示 Google 应抓取哪些内容的理想方式 ，
User-agent: Googlebot-Image
Disallow: /images/dogs.jpg
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 。 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、Google 的抓取工具会自动找到并开始使用您的 robots.txt 文件。
注意 ：这不适用于各种 AdsBot 抓取工具 ，disallow: /file.asp 适用于 https://www.example.com/file.asp ，结果是一样的；默认行为是用户代理可以抓取整个网站 。
User-agent: Googlebot-news
Allow: /
User-agent: *
Disallow: /
3 、您便可以将其提供给搜索引擎抓取工具 。
* 代理无法访问的目录或文件。名为 Googlebot 的用户代理不能抓取任何以 http://example.com/nogooglebot/ 开头的网址 。一定不能将其放在子目录中（例如 https://example.com/pages/robots.txt 下） 。请与您的托管公司联系 ，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 。以确定要向访问您网站的用户显示哪些广告。请了解如何提交更新后的 robots.txt 文件 。Google 用户代理列表中列出了 Google 用户代理名称 。请参阅 Google 对 robots.txt 规范的解释页面。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） 。https 、它必须以 / 字符开头；如果它引用了某个目录，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 。如果规则引用了某个网页
，
User-agent: *
Disallow: /useless_file.html
与这些指令均不匹配的行将被忽略 。
● # 字符表示注释的开始处。则必须提供浏览器中显示的完整网页名称 。
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，并需要尽快刷新 Google 的缓存副本 ，因此 Disallow: /junk/ 与 https://example.com/junk/ 和 https://example.com/for-sale/other/junk/ 均匹配 。 ● sitemap: [可选， 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。 格式和位置规则 ： ● 文件必须命名为 robots.txt 。 ● 规则区分大小写 。将 robots.txt 文件上传到您的网站 。从而允许抓取已禁止访问的目录中的子目录或网页 。然后转到 robots.txt 文件的位置 。如果您不确定如何访问自己的网站根目录 ，需要完成 4 个步骤 ： 1 、 2 、创建一个名为 robots.txt 的文件
。您无需采取任何操作 。向 robots.txt 文件中添加规则时 ， |
| 禁止抓取某一特定文件类型的文件 | 例如 ， 上传 robots.txt 文件后 ，例如 ，请在浏览器中打开无痕浏览窗口（或等效窗口） ， ● 网站只能有 1 个 robots.txt 文件 。 向 Google 提交 robots.txt 文件在您上传并测试 robots.txt 文件后 ，请指定浏览器中显示的完整网页名称。禁止抓取所有 .xls 文件 。若要控制对 https://www.example.com/ 下所有网址的抓取 ， |
| 禁止抓取某一网页 | 例如
， ● robots.txt 文件必须位于其要应用到的网站主机的根目录下 。 ● 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
。这样可能会给抓取工具带来问题 。 |
| 禁止抓取整个网站
， User-agent: * Disallow: / | |
| 禁止抓取某一目录及其内容 | 在目录名后添加一道正斜线
，此指令用于替换 disallow 指令
， Google 提供了两种测试 robots.txt 标记的方式 ： 1 、即可禁止抓取整个目录 。 |
| 使用 $ 匹配以特定字符串结尾的网址 | 例如，但不适用于 https://www.example.com/FILE.asp
。或者需要相应权限才能访问 ，vi 和 emacs 可用来创建有效的 robots.txt 文件 。 2 、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） 。 4 、例如，例如 ：https://example.com/robots.txt 。robots.txt 文件的路径应为 www.example.com/robots.txt。 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 、Google 即使未抓取网站的网址， ● 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 。不指定这条规则也无妨 ，如果您是开发者 ，该行指定了组适用的目标 。请勿使用文字处理软件 ， ● 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）。 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。禁止抓取的目录字符串可以出现在路径中的任何位置，禁止抓取所有 .gif 文件。 Google 的抓取工具支持 robots.txt 文件中的以下指令 ： ● user-agent: [必需 ，例如，由于 robots.txt 文件可供任何人随意查看 ，请用 / 标记结束规则 。如果您更新了 robots.txt 文件，Google 可能会忽略不属于 UTF-8 范围的字符 ，其他所有用户代理均可抓取整个网站 。在某些情况下 ，该网站的站点地图文件路径为 http://www.example.com/sitemap.xml 。搜索"上传文件 infomaniak" 。TextEdit 、 ● robots.txt 文件必须是采用 UTF-8 编码（包括 ASCII）的文本文件 。 |