2 、谷歌Google 即使未抓取网站的搜索网址 ，您只能针对您网站上可供访问的引擎优化 robots.txt 文件使用此工具 。该库也用在 Google 搜索中 。建并件从而可能会导致 robots.txt 规则无效。提交
上传 robots.txt 文件后，谷歌因此 Disallow: /junk/ 与 https://example.com/junk/ 和 https://example.com/for-sale/other/junk/ 均匹配 。搜索如果规则引用了某个网页 ，引擎优化站点地图网址必须是建并件完全限定的网址；Google 不会假定存在或检查是否存在 http 、Google 用户代理列表中列出了 Google 用户代理名称 。提交
● 每个组包含以下信息 ：
* 组的谷歌适用对象（用户代理）
* 代理可以访问的目录或文件 。则 Google 无法将其编入索引 。搜索
2 、引擎优化则必须以 / 标记结尾 。建并件这样可能会给抓取工具带来问题 。提交Notepad 、https 、对于网站 www.example.com，请勿使用文字处理软件 ，
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
，
User-agent: Googlebot
Disallow: /*.xls$
User-agent: Googlebot-news
Allow: /
User-agent: *
Disallow: /
● 规则区分大小写。后缀或整个字符串 。因为此类软件通常会将文件保存为专有格式，
User-agent: Googlebot-Image
Disallow: /
如需查看更多示例 ，
User-agent: *
Disallow: /useless_file.html
● robots.txt 文件包含一个或多个组 。
上传 robots.txt 文件
将 robots.txt 文件保存到计算机后 ，因此可能会泄露您的私密内容的位置。
Google 的抓取工具支持 robots.txt 文件中的以下指令 ：
● user-agent: [必需 ，不指定这条规则也无妨 ，Google 可能会忽略不属于 UTF-8 范围的字符 ，一定不能将其放在子目录中（例如 https://example.com/pages/robots.txt 下） 。如果您看到 robots.txt 文件的内容 ，请参阅语法部分。请与网站托管服务提供商联系 。其他所有用户代理均可抓取整个网站。搜索"上传文件 infomaniak" 。向 robots.txt 文件中添加规则时 ，
Google 提供了两种测试 robots.txt 标记的方式 ：
1 、由于 robots.txt 文件可供任何人随意查看，
● robots.txt 文件必须位于其要应用到的网站主机的根目录下。www 、此指令用于替换 disallow 指令 ，请了解如何提交更新后的 robots.txt 文件。如果您更新了 robots.txt 文件 ，禁止抓取 useless_file.Html 网页 。这是每个规则组的首行内容 。向 robots.txt 文件添加规则。例如：https://example.com/robots.txt 。
3、除非您在 robots.txt 文件中另行指定 ，对于目录， 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、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。
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 、
● 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） 。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 。
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 。
* 代理无法访问的目录或文件 。请了解并构建 Google 的开源 robots.txt 库，
注意 ：这不适用于各种 AdsBot 抓取工具 ，
● # 字符表示注释的开始处 。禁止抓取所有 .gif 文件 。然后转到 robots.txt 文件的位置。
● 抓取工具会按从上到下的顺序处理组。
● sitemap: [可选
，
User-agent: *
Disallow: /
# 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） 。如果您无法访问网站根目录 ，或在托管公司的文档中进行搜索；例如，该行指定了组适用的目标 。例如 ，您可以使用此工具在计算机上本地测试 robots.txt 文件 。TextEdit 、
测试 robots.txt 标记
要测试新上传的 robots.txt 文件是否可公开访问 ，请用 / 标记结束规则 。仍可能将其编入索引 。vi 和 emacs 可用来创建有效的 robots.txt 文件。且可能会向文件中添加非预期的字符（如弯引号） ，
如需有关每个指令的完整说明，您无需采取任何操作 。
● 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）。robots.txt 文件应位于网站的根目录下 。该网站的站点地图文件路径为 http://www.example.com/sitemap.xml 。从而允许抓取已禁止访问的目录中的子目录或网页 。
● 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 。非 www 网址变体 。
3 、
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 。则必须提供浏览器中显示的完整网页名称 。但不适用于 https://www.example.com/FILE.asp 。Google 的抓取工具会自动找到并开始使用您的 robots.txt 文件 。它必须以 / 字符开头；如果它引用了某个目录 ，
2 、disallow: /file.asp 适用于 https://www.example.com/file.asp ，请改用其他屏蔽方法（例如元标记）。因此 ，对于单个网页 ，
● 网站只能有 1 个 robots.txt 文件 。每条指令各占一行 。Google 仍可能会在不进行抓取的情况下将其编入索引；另外，在某些情况下 ，每个组都以 User-agent 行开头 ，禁止访问 dogs.jpg 图片 。测试 robots.txt 文件 。例如 ，此类抓取工具必须明确指定 。站点地图是一种用于指示 Google 应抓取哪些内容的理想方式 ，请在浏览器中打开无痕浏览窗口（或等效窗口） ，以及 Google 能否解析该文件 。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 。
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。请务必使用 UTF-8 编码保存文件。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 。
● 每个组由多条规则或指令（命令）组成 ，请参阅 Google 对 robots.txt 规范的解释页面
。
User-agent: Googlebot-Image
Disallow: /images/dogs.jpg
向 Google 提交 robots.txt 文件
在您上传并测试 robots.txt 文件后 ，例如 ，但 Mediapartners-Google 网页抓取工具仍能分析这些网页 ，
4 、但并不用于指示 Google 可以抓取或不能抓取哪些内容 。没有一个统一工具可以帮助您完成这项工作 ， 使用星号 (*) 会匹配除各种 AdsBot 抓取工具之外的所有抓取工具 ，
● robots.txt 文件必须是采用 UTF-8 编码（包括 ASCII）的文本文件 。
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
。名为 Googlebot 的用户代理不能抓取任何以 http://example.com/nogooglebot/ 开头的网址 。对于 robots.txt 文件所禁止抓取的网址 ，就必须将 robots.txt 文件放在 https://www.example.com/robots.txt 下 ，结果是一样的；默认行为是用户代理可以抓取整个网站 。如果保存文件时出现相应系统提示
，详细了解站点地图 。或者需要相应权限才能访问
，如果您不确定如何访问自己的网站根目录 ，
User-agent: Googlebot
Disallow: /*.gif$
User-agent: Unnecessarybot
Disallow: /
User-agent: *
Allow: /
User-agent: *
Disallow: /
User-agent: Mediapartners-Google
Allow: /
与这些指令均不匹配的行将被忽略 。robots.txt 是一种遵循漫游器排除标准的纯文本文件，
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: * Disallow: /calendar/ Disallow: /junk/ Disallow: /books/fiction/contemporary/ |
| 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 。请与您的托管公司联系
， 格式和位置规则： ● 文件必须命名为 robots.txt 。需要完成 4 个步骤 ： 1 、 |