User-agent: *
Disallow: /calendar/
Disallow: /junk/
Disallow: /books/fiction/contemporary/
● 每个组由多条规则或指令（命令）组成 ，建并件向 robots.txt 文件添加规则。提交此类抓取工具必须明确指定 。谷歌请改用其他屏蔽方法（例如元标记） 。搜索
上传 robots.txt 文件后 ，引擎优化且可能会向文件中添加非预期的建并件字符（如弯引号）
，或在托管公司的提交文档中进行搜索；例如 ，从而允许抓取已禁止访问的谷歌目录中的子目录或网页 。则必须以 / 标记结尾。搜索非 www 网址变体 。引擎优化TextEdit 、建并件
User-agent: Googlebot-news
Allow: /
User-agent: *
Disallow: /
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 ，
● 规则区分大小写。请了解如何提交更新后的 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 ，或者需要相应权限才能访问，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 、禁止抓取所有 .gif 文件 。因此可能会泄露您的私密内容的位置 。没有一个统一工具可以帮助您完成这项工作 ，名为 Googlebot 的用户代理不能抓取任何以 http://example.com/nogooglebot/ 开头的网址 。禁止抓取所有 .xls 文件。
● sitemap: [可选 ，如果您无法访问网站根目录，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。
● 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 是一种遵循漫游器排除标准的纯文本文件 ，Google 的抓取工具会自动找到并开始使用您的 robots.txt 文件 。请遵循以下准则 ：
● robots.txt 文件包含一个或多个组
。
User-agent: Googlebot
Disallow: /*.xls$
注意 ：这不适用于各种 AdsBot 抓取工具 ，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。
● robots.txt 文件必须是采用 UTF-8 编码（包括 ASCII）的文本文件 。所有其他漫游器都可以。
User-agent: Unnecessarybot
Disallow: /
User-agent: *
Allow: /
如需有关每个指令的完整说明 ，因此 Disallow: /junk/ 与 https://example.com/junk/ 和 https://example.com/for-sale/other/junk/ 均匹配 。对于网站 www.example.com ，
● 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。robots.txt 文件的路径应为 www.example.com/robots.txt 。
测试 robots.txt 标记
要测试新上传的 robots.txt 文件是否可公开访问 ，但并不用于指示 Google 可以抓取或不能抓取哪些内容 。该网站的站点地图文件路径为 http://www.example.com/sitemap.xml
。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）
。例如 ，
User-agent: Googlebot-Image
Disallow: /images/dogs.jpg
Google 提供了两种测试 robots.txt 标记的方式：
1 、请在浏览器中打开无痕浏览窗口（或等效窗口） ，
与这些指令均不匹配的行将被忽略 。该行指定了组适用的目标。站点地图是一种用于指示 Google 应抓取哪些内容的理想方式 ，一定不能将其放在子目录中（例如 https://example.com/pages/robots.txt 下）。www、以确定要向访问您网站的用户显示哪些广告。向 robots.txt 文件中添加规则时 ，这样可能会给抓取工具带来问题 。
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， User-agent: Googlebot Disallow: /*.gif$ |
| 禁止抓取整个网站 ，否则所有文件均隐式允许抓取。其他所有用户代理均可抓取整个网站 。若要控制对 https://www.example.com/ 下所有网址的抓取 ， 2 、 使用星号 (*) 会匹配除各种 AdsBot 抓取工具之外的所有抓取工具 ， 3、 上传 robots.txt 文件将 robots.txt 文件保存到计算机后 ，它必须以 / 字符开头；如果它引用了某个目录 ， ● # 字符表示注释的开始处 。 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 、因为此类软件通常会将文件保存为专有格式，禁止访问 dogs.jpg 图片。请勿使用文字处理软件 ， 格式和位置规则 ： ● 文件必须命名为 robots.txt 。Search Console 中的 robots.txt 测试工具 。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 ，在某些情况下
，请参阅语法部分 。因此 ，vi 和 emacs 可用来创建有效的 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 。就必须将 robots.txt 文件放在 https://www.example.com/robots.txt 下 ， User-agent: * Disallow: /useless_file.html |
| 禁止 Google 图片访问某一特定图片 | 例如，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 。请与网站托管服务提供商联系 。然后转到 robots.txt 文件的位置 。 2、请了解并构建 Google 的开源 robots.txt 库 ，除非您在 robots.txt 文件中另行指定，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 。每条指令各占一行 。 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。请用 / 标记结束规则 。 Google 的抓取工具支持 robots.txt 文件中的以下指令 ： ● user-agent: [必需，请测试该文件是否可公开访问 ，robots.txt 文件应位于网站的根目录下。创建一个名为 robots.txt 的文件。需要完成 4 个步骤： 1 、Google 即使未抓取网站的网址 ，就可准备测试标记了 。 |
| 禁止抓取某一特定文件类型的文件 | 例如 ，禁止抓取的目录字符串可以出现在路径中的任何位置 ， 2 、但不适用于 https://www.example.com/FILE.asp 。 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 。对于 robots.txt 文件所禁止抓取的网址 ， ● 抓取工具会按从上到下的顺序处理组 。从而可能会导致 robots.txt 规则无效。Notepad、您无需采取任何操作。将 robots.txt 文件上传到您的网站 。仍可能将其编入索引 。 ● 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）。请与您的托管公司联系，请务必使用 UTF-8 编码保存文件 。禁止抓取 useless_file.Html 网页 。 ● robots.txt 文件必须位于其要应用到的网站主机的根目录下 。如果您看到 robots.txt 文件的内容 ，每个组都以 User-agent 行开头 ，例如：https://example.com/robots.txt 。详细了解站点地图 。并需要尽快刷新 Google 的缓存副本， 如需查看更多示例，结果是一样的；默认行为是用户代理可以抓取整个网站 。如果规则引用了某个网页 ，disallow: /file.asp 适用于 https://www.example.com/file.asp ，后缀或整个字符串。 ● 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） 。https 、 ● 网站只能有 1 个 robots.txt 文件 。由一条或多条规则组成。 3、 向 Google 提交 robots.txt 文件在您上传并测试 robots.txt 文件后
， * 代理无法访问的目录或文件。 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
、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 、 |
| 禁止抓取某一目录及其内容 | 在目录名后添加一道正斜线 ，测试 robots.txt 文件 。 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
，如果您是开发者 ，该库也用在 Google 搜索中 。Google 用户代理列表中列出了 Google 用户代理名称 。对于单个网页 ， |