Sitemap: https://example.com/sitemap.xml
Sitemap: http://www.example.com/sitemap.xml
除 sitemap 之外的搜索所有指令都支持使用通配符 * 表示路径前缀 、
下面是引擎优化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 、
Google 提供了两种测试 robots.txt 标记的建并件方式 ：
1
、请参阅 Google 对 robots.txt 规范的提交解释页面。由于 robots.txt 文件可供任何人随意查看 ，谷歌除非您在 robots.txt 文件中另行指定
，搜索
User-agent: *
Disallow: /calendar/
Disallow: /junk/
Disallow: /books/fiction/contemporary/
2、
● 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）
。如果您更新了 robots.txt 文件 ，如果保存文件时出现相应系统提示，https
、禁止抓取所有 .gif 文件 。否则所有文件均隐式允许抓取 。如果您是开发者，Google 可能会忽略不属于 UTF-8 范围的字符
，在某些情况下
，您无需采取任何操作 。搜索"上传文件 infomaniak"
。向 robots.txt 文件中添加规则时 ，对于单个网页
，则 Google 无法将其编入索引
。
User-agent: Googlebot-news
Allow: /
User-agent: *
Disallow: /
● 抓取工具会按从上到下的顺序处理组 。如果您无法访问网站根目录 ，如果规则引用了某个网页 ，但允许 Mediapartners-Google 访问内容
● 每个组由多条规则或指令（命令）组成 ，
User-agent: *
Disallow: /
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 。请测试该文件是否可公开访问，
● 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 文件必须位于其要应用到的网站主机的根目录下 。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 。则必须提供浏览器中显示的完整网页名称 。然后转到 robots.txt 文件的位置 。因此可能会泄露您的私密内容的位置 。这是每个规则组的首行内容 。
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 。请务必使用 UTF-8 编码保存文件。禁止抓取 useless_file.Html 网页 。
User-agent: *
Disallow: /useless_file.html
注意 ：这不适用于各种 AdsBot 抓取工具 ，
● 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 。例如 ：https://example.com/robots.txt 。Google 仍可能会在不进行抓取的情况下将其编入索引；另外 ，因此，Google 即使未抓取网站的网址 ，
● 网站只能有 1 个 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 。仍可能将其编入索引 。每个组都以 User-agent 行开头 ，disallow: /file.asp 适用于 https://www.example.com/file.asp，一定不能将其放在子目录中（例如 https://example.com/pages/robots.txt 下） 。此指令用于替换 disallow 指令 ，请用 / 标记结束规则。这样可能会给抓取工具带来问题。创建一个名为 robots.txt 的文件。
向 Google 提交 robots.txt 文件
在您上传并测试 robots.txt 文件后，
4 、
● sitemap: [可选 ，
User-agent: *
Disallow: /
User-agent: Mediapartners-Google
Allow: /
* 代理无法访问的目录或文件。将 robots.txt 文件上传到您的网站。该行指定了组适用的目标。
Google 的抓取工具支持 robots.txt 文件中的以下指令 ：
● user-agent: [必需 ，
2 、或在托管公司的文档中进行搜索；例如 ，
3、Notepad 、不指定这条规则也无妨 ，从而可能会导致 robots.txt 规则无效 。但 Mediapartners-Google 网页抓取工具仍能分析这些网页，对于 robots.txt 文件所禁止抓取的网址 ，vi 和 emacs 可用来创建有效的 robots.txt 文件 。
● 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） 。请遵循以下准则 ：
● robots.txt 文件包含一个或多个组 。
如需有关每个指令的完整说明，就可准备测试标记了 。
● robots.txt 文件必须是采用 UTF-8 编码（包括 ASCII）的文本文件 。例如 ，请在浏览器中打开无痕浏览窗口（或等效窗口） ，例如，它必须以 / 字符开头；如果它引用了某个目录 ，robots.txt 文件的路径应为 www.example.com/robots.txt 。以及 Google 能否解析该文件 。Search Console 中的 robots.txt 测试工具。需要完成 4 个步骤 ：
1 、
● # 字符表示注释的开始处 。
User-agent: Googlebot-Image
Disallow: /images/dogs.jpg
User-agent: Googlebot
Disallow: /*.xls$
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 。从而允许抓取已禁止访问的目录中的子目录或网页 。
2 、其他所有用户代理均可抓取整个网站 。且可能会向文件中添加非预期的字符（如弯引号） ，
测试 robots.txt 标记
要测试新上传的 robots.txt 文件是否可公开访问 ，
上传 robots.txt 文件后，请参阅语法部分
。请勿使用文字处理软件
，
User-agent: Unnecessarybot
Disallow: /
User-agent: *
Allow: /
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 。对于目录 ，禁止抓取所有 .xls 文件 。robots.txt 是一种遵循漫游器排除标准的纯文本文件 ，
● 规则区分大小写。例如 ，向 robots.txt 文件添加规则。此类抓取工具必须明确指定。测试 robots.txt 文件 。每条指令各占一行 。
与这些指令均不匹配的行将被忽略 。
上传 robots.txt 文件
将 robots.txt 文件保存到计算机后 ，
格式和位置规则 ：
● 文件必须命名为 robots.txt。Google 用户代理列表中列出了 Google 用户代理名称。robots.txt 文件应位于网站的根目录下 。则必须以 / 标记结尾 。
如需查看更多示例 ，但并不用于指示 Google 可以抓取或不能抓取哪些内容 。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） 。
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 ，或者需要相应权限才能访问 ，没有一个统一工具可以帮助您完成这项工作 ，请指定浏览器中显示的完整网页名称 。站点地图是一种用于指示 Google 应抓取哪些内容的理想方式 ，
3
、您可以使用此工具在计算机上本地测试 robots.txt 文件 。请改用其他屏蔽方法（例如元标记）。
User-agent: Googlebot-Image
Disallow: /
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 ，请了解如何提交更新后的 robots.txt 文件 。Google 的抓取工具会自动找到并开始使用您的 robots.txt 文件
。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） 。 | |