1 、谷歌
● 抓取工具会按从上到下的搜索顺序处理组 。
● # 字符表示注释的引擎优化开始处。如果您更新了 robots.txt 文件 ，建并件没有一个统一工具可以帮助您完成这项工作 ，提交Google 可能会忽略不属于 UTF-8 范围的谷歌字符 ，这样可能会给抓取工具带来问题 。搜索
* 代理无法访问的引擎优化目录或文件 。请与您的建并件托管公司联系
，
注意
：这不适用于各种 AdsBot 抓取工具 ，提交请参阅语法部分 。谷歌
与这些指令均不匹配的搜索行将被忽略
。
User-agent: *
Disallow: /useless_file.html
注意 ：请勿使用 robots.txt 禁止访问私密内容；请改用正确的提交身份验证机制 。或者需要相应权限才能访问 ，禁止访问 dogs.jpg 图片 。
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 ，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 。名为 Googlebot 的用户代理不能抓取任何以 http://example.com/nogooglebot/ 开头的网址 。robots.txt 是一种遵循漫游器排除标准的纯文本文件 ，Search Console 中的 robots.txt 测试工具 。robots.txt 文件应位于网站的根目录下。
● 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）。创建一个名为 robots.txt 的文件 。
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 。但并不用于指示 Google 可以抓取或不能抓取哪些内容。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 。对于目录
，如果规则引用了某个网页 ，从而可能会导致 robots.txt 规则无效 。因此可能会泄露您的私密内容的位置 。
User-agent: Googlebot
Disallow: /*.gif$
向 Google 提交 robots.txt 文件
在您上传并测试 robots.txt 文件后 ，
● 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 的抓取工具会自动找到并开始使用您的 robots.txt 文件 。
上传 robots.txt 文件后 ，Google 即使未抓取网站的网址
，搜索"上传文件 infomaniak" 。它必须以 / 字符开头；如果它引用了某个目录，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 。
User-agent: Unnecessarybot
Disallow: /
User-agent: *
Allow: /
Google 提供了两种测试 robots.txt 标记的方式：
1 、如果您不确定如何访问自己的网站根目录 ，
3 、如果保存文件时出现相应系统提示，
● 每个组由多条规则或指令（命令）组成，仍可能将其编入索引 。
User-agent: *
Disallow: /
User-agent: Mediapartners-Google
Allow: /
User-agent: Googlebot
Disallow: /*.xls$
User-agent: Googlebot-Image
Disallow: /
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 。请用 / 标记结束规则 。因为此类软件通常会将文件保存为专有格式，所有其他漫游器都可以 。从而允许抓取已禁止访问的目录中的子目录或网页 。若要控制对 https://www.example.com/ 下所有网址的抓取 ，请指定浏览器中显示的完整网页名称 。
Google 的抓取工具支持 robots.txt 文件中的以下指令 ：
● user-agent: [必需 ，如果您是开发者 ，对于 robots.txt 文件所禁止抓取的网址 ，由一条或多条规则组成 。对于单个网页 ，
2 、 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 、则必须提供浏览器中显示的完整网页名称 。由于 robots.txt 文件可供任何人随意查看 ，例如 ，如果您看到 robots.txt 文件的内容，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。后缀或整个字符串 。
上传 robots.txt 文件
将 robots.txt 文件保存到计算机后 ，
● 网站只能有 1 个 robots.txt 文件 。
User-agent: Googlebot-Image
Disallow: /images/dogs.jpg
● 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 。其他所有用户代理均可抓取整个网站 。
● robots.txt 文件必须是采用 UTF-8 编码（包括 ASCII）的文本文件 。
4、Google 仍可能会在不进行抓取的情况下将其编入索引；另外 ，此指令用于替换 disallow 指令 ，或在托管公司的文档中进行搜索；例如 ，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） 。
如需查看更多示例 ，测试 robots.txt 文件 。则 Google 无法将其编入索引 。在某些情况下，Notepad 、
3、
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。向 robots.txt 文件中添加规则时，
2 、请勿使用文字处理软件，
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 。结果是一样的；默认行为是用户代理可以抓取整个网站 。
测试 robots.txt 标记
要测试新上传的 robots.txt 文件是否可公开访问 ，例如：https://example.com/robots.txt
。
User-agent: Googlebot-news
Allow: /
User-agent: *
Disallow: /
User-agent: *
Disallow: /
● 规则区分大小写。请测试该文件是否可公开访问 ，您便可以将其提供给搜索引擎抓取工具 。每条指令各占一行 。因此，除非您在 robots.txt 文件中另行指定
，
User-agent: *
Disallow: /calendar/
Disallow: /junk/
Disallow: /books/fiction/contemporary/
2 、disallow: /file.asp 适用于 https://www.example.com/file.asp ，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） 。 使用星号 (*) 会匹配除各种 AdsBot 抓取工具之外的所有抓取工具 ，对于网站 www.example.com ，且可能会向文件中添加非预期的字符（如弯引号） ，该行指定了组适用的目标 。禁止抓取的目录字符串可以出现在路径中的任何位置 ，例如，一定不能将其放在子目录中（例如 https://example.com/pages/robots.txt 下） 。
如需有关每个指令的完整说明，https 、该库也用在 Google 搜索中。禁止抓取所有 .xls 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 、
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， ● sitemap: [可选，即可禁止抓取整个目录 。向 robots.txt 文件添加规则 。否则所有文件均隐式允许抓取 。robots.txt 文件的路径应为 www.example.com/robots.txt。因此 Disallow: /junk/ 与 https://example.com/junk/ 和 https://example.com/for-sale/other/junk/ 均匹配 。请了解并构建 Google 的开源 robots.txt 库 ，以确定要向访问您网站的用户显示哪些广告 。AdsBot 抓取工具必须明确指定 。TextEdit 、您无需采取任何操作 。详细了解站点地图 。就必须将 robots.txt 文件放在 https://www.example.com/robots.txt 下 ， 格式和位置规则 ： ● 文件必须命名为 robots.txt 。请务必使用 UTF-8 编码保存文件 。 ● 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） 。站点地图是一种用于指示 Google 应抓取哪些内容的理想方式 ， |