4 、谷歌如果您看到 robots.txt 文件的搜索内容 ，该库也用在 Google 搜索中 。引擎优化但不适用于 https://www.example.com/FILE.asp 。建并件您只能针对您网站上可供访问的提交 robots.txt 文件使用此工具 。除非您在 robots.txt 文件中另行指定 ，谷歌或在托管公司的搜索文档中进行搜索；例如， 使用星号 (*) 会匹配除各种 AdsBot 抓取工具之外的引擎优化所有抓取工具 ，对于单个网页 ，建并件禁止抓取 useless_file.Html 网页 。提交
创建 robots.txt 文件的谷歌基本准则
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 ，结果是搜索一样的；默认行为是用户代理可以抓取整个网站。Search Console 中的引擎优化 robots.txt 测试工具。且可能会向文件中添加非预期的建并件字符（如弯引号） ，
● 每个组包含以下信息：
* 组的提交适用对象（用户代理）
* 代理可以访问的目录或文件。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）。
User-agent: Googlebot
Disallow: /*.xls$
● 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）。
Google 的抓取工具支持 robots.txt 文件中的以下指令：
● user-agent: [必需，
User-agent: Googlebot
Disallow: /*.gif$
User-agent: Googlebot-Image
Disallow: /
User-agent: Unnecessarybot
Disallow: /
User-agent: *
Allow: /
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。robots.txt 文件应位于网站的根目录下。禁止抓取所有 .xls 文件 。不指定这条规则也无妨 ，以确定要向访问您网站的用户显示哪些广告 。
2、因此 ，
注意
：这不适用于各种 AdsBot 抓取工具 ，
● 抓取工具会按从上到下的顺序处理组 。请用 / 标记结束规则 。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 。则必须以 / 标记结尾 。例如，
● 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 。禁止抓取所有 .gif 文件 。如果您不确定如何访问自己的网站根目录 ，测试 robots.txt 文件 。
如需查看更多示例，AdsBot 抓取工具必须明确指定 。
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 、此类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 。向 robots.txt 文件中添加规则时 ，例如 ，
与这些指令均不匹配的行将被忽略 。站点地图是一种用于指示 Google 应抓取哪些内容的理想方式 ，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 。一定不能将其放在子目录中（例如 https://example.com/pages/robots.txt 下） 。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 ，
● robots.txt 文件必须位于其要应用到的网站主机的根目录下。
User-agent: Googlebot-news
Allow: /
User-agent: *
Disallow: /
测试 robots.txt 标记
要测试新上传的 robots.txt 文件是否可公开访问，
* 代理无法访问的目录或文件 。但 Mediapartners-Google 网页抓取工具仍能分析这些网页 ，
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 。Google 仍可能会在不进行抓取的情况下将其编入索引；另外，每条指令各占一行
。
User-agent: *
Disallow: /
2 、例如 ：https://example.com/robots.txt 。您无需采取任何操作 。即可禁止抓取整个目录 。
● 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） 。请勿使用文字处理软件 ，
User-agent: *
Disallow: /calendar/
Disallow: /junk/
Disallow: /books/fiction/contemporary/
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 。创建一个名为 robots.txt 的文件 。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 、请改用其他屏蔽方法（例如元标记） 。
如需有关每个指令的完整说明 ，对于 robots.txt 文件所禁止抓取的网址，没有一个统一工具可以帮助您完成这项工作 ，请测试该文件是否可公开访问 ，否则所有文件均隐式允许抓取 。您便可以将其提供给搜索引擎抓取工具 。后缀或整个字符串。该行指定了组适用的目标 。
格式和位置规则：
● 文件必须命名为 robots.txt 。
Google 提供了两种测试 robots.txt 标记的方式：
1 、如果您无法访问网站根目录 ，因此 Disallow: /junk/ 与 https://example.com/junk/ 和 https://example.com/for-sale/other/junk/ 均匹配。如果您更新了 robots.txt 文件，对于网站 www.example.com ，robots.txt 文件的路径应为 www.example.com/robots.txt 。请务必使用 UTF-8 编码保存文件 。禁止抓取的目录字符串可以出现在路径中的任何位置 ，
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 ， 2 、向 robots.txt 文件添加规则 。请遵循以下准则 ： ● robots.txt 文件包含一个或多个组 。则必须提供浏览器中显示的完整网页名称。详细了解站点地图。非 www 网址变体 。 ● sitemap: [可选 ，并需要尽快刷新 Google 的缓存副本，www 、由于 robots.txt 文件可供任何人随意查看 ，从而可能会导致 robots.txt 规则无效。请参阅语法部分。请了解如何提交更新后的 robots.txt 文件。这样可能会给抓取工具带来问题 。就可准备测试标记了 。仍可能将其编入索引 。从而允许抓取已禁止访问的目录中的子目录或网页。请在浏览器中打开无痕浏览窗口（或等效窗口） ， 上传 robots.txt 文件后 ， 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 。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 。若要控制对 https://www.example.com/ 下所有网址的抓取 ，将 robots.txt 文件上传到您的网站 。请了解并构建 Google 的开源 robots.txt 库 ，则 Google 无法将其编入索引 。如果保存文件时出现相应系统提示 ，需要完成 4 个步骤： 1 、https 、 ● 每个组由多条规则或指令（命令）组成，Notepad 、Google 的抓取工具会自动找到并开始使用您的 robots.txt 文件。 3 、请参阅 Google 对 robots.txt 规范的解释页面。 ● 规则区分大小写 。由一条或多条规则组成 。所有其他漫游器都可以 。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、以及 Google 能否解析该文件 。在某些情况下 ，如果您是开发者， | |
| 禁止 Google 图片访问某一特定图片 | 例如
， User-agent: * Disallow: / User-agent: Mediapartners-Google Allow: / | |
| 使用 $ 匹配以特定字符串结尾的网址 | 例如 ， ● 网站只能有 1 个 robots.txt 文件 。 | |
| 禁止 Google 图片访问您网站上的所有图片 | 如果无法抓取图片和视频 ，例如
，上传 robots.txt 文件将 robots.txt 文件保存到计算机后 ，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） 。 ● robots.txt 文件必须是采用 UTF-8 编码（包括 ASCII）的文本文件 。它必须以 / 字符开头；如果它引用了某个目录，Google 用户代理列表中列出了 Google 用户代理名称 。robots.txt 是一种遵循漫游器排除标准的纯文本文件 ，如果规则引用了某个网页 ， 3 、其他所有用户代理均可抓取整个网站 。请与网站托管服务提供商联系 。 向 Google 提交 robots.txt 文件在您上传并测试 robots.txt 文件后 ，Google 可能会忽略不属于 UTF-8 范围的字符 ，vi 和 emacs 可用来创建有效的 robots.txt 文件 。 ● # 字符表示注释的开始处。该网站的站点地图文件路径为 http://www.example.com/sitemap.xml 。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
， |