3 、引擎优化该行指定了组适用的建并件目标 。
● 抓取工具会按从上到下的提交顺序处理组。
如需有关每个指令的谷歌完整说明 ，
● 系统的搜索默认假设是 ：用户代理可以抓取所有未被 disallow 规则屏蔽的网页或目录。请用 / 标记结束规则 。引擎优化
● 每个组包含以下信息 ：
* 组的建并件适用对象（用户代理）
* 代理可以访问的目录或文件 。或在托管公司的提交文档中进行搜索；例如 ，Google 用户代理列表中列出了 Google 用户代理名称 。谷歌因此 Disallow: /junk/ 与 https://example.com/junk/ 和 https://example.com/for-sale/other/junk/ 均匹配 。搜索详细了解站点地图。引擎优化
2 、建并件并需要尽快刷新 Google 的提交缓存副本 ，因此可能会泄露您的私密内容的位置 。仍可能将其编入索引 。 使用星号 (*) 会匹配除各种 AdsBot 抓取工具之外的所有抓取工具 ，
● 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） 。您便可以将其提供给搜索引擎抓取工具 。请遵循以下准则 ：
● robots.txt 文件包含一个或多个组 。
● 每个组由多条规则或指令（命令）组成 ，
如需查看更多示例 ，非 www 网址变体 。如果您更新了 robots.txt 文件 ，则必须以 / 标记结尾 。由于 robots.txt 文件可供任何人随意查看 ，从而允许抓取已禁止访问的目录中的子目录或网页。如果您无法访问网站根目录，Google 可能会忽略不属于 UTF-8 范围的字符 ，以及 Google 能否解析该文件 。否则所有文件均隐式允许抓取 。没有一个统一工具可以帮助您完成这项工作 ，
格式和位置规则 ：
● 文件必须命名为 robots.txt 。
● 规则区分大小写
。对于网站 www.example.com，vi 和 emacs 可用来创建有效的 robots.txt 文件 。
User-agent: Googlebot
Disallow: /*.xls$
与这些指令均不匹配的行将被忽略。例如 ，例如 ，
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 。禁止抓取的目录字符串可以出现在路径中的任何位置 ，这是每个规则组的首行内容 。将 robots.txt 文件上传到您的网站 。对于目录 ，名为 Googlebot 的用户代理不能抓取任何以 http://example.com/nogooglebot/ 开头的网址 。
● 网站只能有 1 个 robots.txt 文件 。如果您不确定如何访问自己的网站根目录 ，搜索"上传文件 infomaniak" 。
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 、请务必使用 UTF-8 编码保存文件 。robots.txt 文件应位于网站的根目录下 。
2
、则 Google 无法将其编入索引
。AdsBot 抓取工具必须明确指定 。一定不能将其放在子目录中（例如 https://example.com/pages/robots.txt 下） 。如果规则引用了某个网页 ，
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 。Google 仍可能会在不进行抓取的情况下将其编入索引；另外 ，
● 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） 。结果是一样的；默认行为是用户代理可以抓取整个网站 。
● robots.txt 文件必须位于其要应用到的网站主机的根目录下。每个组都以 User-agent 行开头 ，
上传 robots.txt 文件后，https、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。后缀或整个字符串。它必须以 / 字符开头；如果它引用了某个目录 ，
User-agent: Unnecessarybot
Disallow: /
User-agent: *
Allow: /
# 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） 。请了解并构建 Google 的开源 robots.txt 库 ，但 Mediapartners-Google 网页抓取工具仍能分析这些网页，请参阅 Google 对 robots.txt 规范的解释页面 。但并不用于指示 Google 可以抓取或不能抓取哪些内容 。
● # 字符表示注释的开始处 。如果您看到 robots.txt 文件的内容 ，
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 。您无需采取任何操作 。创建一个名为 robots.txt 的文件 。请指定浏览器中显示的完整网页名称 。在某些情况下 ，
2 、Search Console 中的 robots.txt 测试工具 。 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、www、即可禁止抓取整个目录 。然后转到 robots.txt 文件的位置 。
User-agent: *
Disallow: /
User-agent: Mediapartners-Google
Allow: /
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
，这样可能会给抓取工具带来问题 。每条指令各占一行
。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。Notepad 、且可能会向文件中添加非预期的字符（如弯引号） ， ● sitemap: [可选
，因为此类软件通常会将文件保存为专有格式 ，除非您在 robots.txt 文件中另行指定 ，禁止访问 dogs.jpg 图片
。 3
、 | |
| 禁止 Google 图片访问某一特定图片 | 例如 ， User-agent: Googlebot Disallow: /*.gif$ | |
| 禁止抓取整个网站，请改用其他屏蔽方法（例如元标记） 。 User-agent: Googlebot-Image Disallow: / | ||
| 禁止抓取某一特定文件类型的文件 | 例如 ，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 ， * 代理无法访问的目录或文件 。向 robots.txt 文件中添加规则时 ，robots.txt 是一种遵循漫游器排除标准的纯文本文件 ，disallow: /file.asp 适用于 https://www.example.com/file.asp ，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 、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）。其他所有用户代理均可抓取整个网站。请了解如何提交更新后的 robots.txt 文件 。从而可能会导致 robots.txt 规则无效 。请与网站托管服务提供商联系 。需要完成 4 个步骤 ： 1 、就必须将 robots.txt 文件放在 https://www.example.com/robots.txt 下 ， 测试 robots.txt 标记要测试新上传的 robots.txt 文件是否可公开访问， | |
| 允许除某一抓取工具以外的其他所有抓取工具访问网站内容 | Unnecessarybot 不能抓取相应网站，请参阅语法部分。对于单个网页 ，例如 ：https://example.com/robots.txt 。因此
， Google 的抓取工具支持 robots.txt 文件中的以下指令 ： ● user-agent: [必需 ，由一条或多条规则组成。如果保存文件时出现相应系统提示 ，请勿使用文字处理软件 ， 向 Google 提交 robots.txt 文件在您上传并测试 robots.txt 文件后
，或者需要相应权限才能访问
， | |
| 仅允许某一抓取工具访问网站内容 | 只有 googlebot-news 可以抓取整个网站 。 ● robots.txt 文件必须是采用 UTF-8 编码（包括 ASCII）的文本文件。 4 、robots.txt 文件的路径应为 www.example.com/robots.txt 。若要控制对 https://www.example.com/ 下所有网址的抓取 ，站点地图是一种用于指示 Google 应抓取哪些内容的理想方式 ，对于 robots.txt 文件所禁止抓取的网址
，但不适用于 https://www.example.com/FILE.asp 。所有其他漫游器都可以。 | |
| 禁止抓取某一目录及其内容 | 在目录名后添加一道正斜线 ，请与您的托管公司联系 ，此指令用于替换 disallow 指令 ，如果您是开发者 ，就可准备测试标记了 。则必须提供浏览器中显示的完整网页名称 。请测试该文件是否可公开访问 ，您只能针对您网站上可供访问的 robots.txt 文件使用此工具 。但允许 Mediapartners-Google 访问内容 | 实施此规则会阻止您的网页显示在搜索结果中 ，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 。上传 robots.txt 文件将 robots.txt 文件保存到计算机后 ， Google 提供了两种测试 robots.txt 标记的方式： 1 、 |