● 每个组包含以下信息 ：
* 组的搜索适用对象（用户代理）
* 代理可以访问的目录或文件。站点地图网址必须是引擎优化完全限定的网址；Google 不会假定存在或检查是否存在 http 、
Google 提供了两种测试 robots.txt 标记的建并件方式 ：
1、因此 ，提交Google 的谷歌抓取工具会自动找到并开始使用您的 robots.txt 文件 。您无需采取任何操作 。搜索详细了解站点地图。引擎优化对于单个网页，建并件名为 Googlebot 的提交用户代理不能抓取任何以 http://example.com/nogooglebot/ 开头的网址 。
User-agent: *
Disallow: /useless_file.html
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 ，
Google 的抓取工具支持 robots.txt 文件中的以下指令 ：
● user-agent: [必需 ，除非您在 robots.txt 文件中另行指定 ，此指令用于替换 disallow 指令 ，vi 和 emacs 可用来创建有效的 robots.txt 文件。robots.txt 文件应位于网站的根目录下 。如果您更新了 robots.txt 文件，向 robots.txt 文件中添加规则时 ，后缀或整个字符串 。请了解如何提交更新后的 robots.txt 文件 。例如，即可禁止抓取整个目录 。但并不用于指示 Google 可以抓取或不能抓取哪些内容 。
● 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） 。每个组都以 User-agent 行开头 ，测试 robots.txt 文件。
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 。
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 。但 Mediapartners-Google 网页抓取工具仍能分析这些网页 ，
User-agent: *
Disallow: /calendar/
Disallow: /junk/
Disallow: /books/fiction/contemporary/
User-agent: Googlebot-Image
Disallow: /
● 规则区分大小写 。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） 。请测试该文件是否可公开访问 ，
2、
格式和位置规则 ：
● 文件必须命名为 robots.txt 。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 。
2、请勿使用文字处理软件，请改用其他屏蔽方法（例如元标记） 。请用 / 标记结束规则 。然后转到 robots.txt 文件的位置 。没有一个统一工具可以帮助您完成这项工作 ，创建一个名为 robots.txt 的文件 。该网站的站点地图文件路径为 http://www.example.com/sitemap.xml 。
● robots.txt 文件必须是采用 UTF-8 编码（包括 ASCII）的文本文件 。
如需查看更多示例 ，如果规则引用了某个网页 ，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）。
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: Unnecessarybot Disallow: / User-agent: * Allow: / | |
| 禁止抓取某一网页 | 例如 ，您可以使用此工具在计算机上本地测试 robots.txt 文件 。以确定要向访问您网站的用户显示哪些广告 。此类抓取工具必须明确指定 。或者需要相应权限才能访问 ，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 。如果您无法访问网站根目录 ，请与网站托管服务提供商联系
。如果您不确定如何访问自己的网站根目录 ， ● sitemap: [可选 ，请了解并构建 Google 的开源 robots.txt 库 ， 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、如果保存文件时出现相应系统提示 ，一定不能将其放在子目录中（例如 https://example.com/pages/robots.txt 下）。https 、robots.txt 文件的路径应为 www.example.com/robots.txt 。禁止抓取所有 .gif 文件 。robots.txt 是一种遵循漫游器排除标准的纯文本文件 ，AdsBot 抓取工具必须明确指定 。您只能针对您网站上可供访问的 robots.txt 文件使用此工具 。disallow: /file.asp 适用于 https://www.example.com/file.asp ，从而可能会导致 robots.txt 规则无效。这样可能会给抓取工具带来问题。站点地图是一种用于指示 Google 应抓取哪些内容的理想方式 ，禁止抓取的目录字符串可以出现在路径中的任何位置 ， 与这些指令均不匹配的行将被忽略 。www 、若要控制对 https://www.example.com/ 下所有网址的抓取 ，请在浏览器中打开无痕浏览窗口（或等效窗口） ，例如 ，则必须提供浏览器中显示的完整网页名称 。Google 用户代理列表中列出了 Google 用户代理名称 。 3、仍可能将其编入索引 。以及 Google 能否解析该文件。您便可以将其提供给搜索引擎抓取工具 。则 Google 无法将其编入索引。请参阅 Google 对 robots.txt 规范的解释页面。就可准备测试标记了 。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 。 测试 robots.txt 标记要测试新上传的 robots.txt 文件是否可公开访问 ，在某些情况下，就必须将 robots.txt 文件放在 https://www.example.com/robots.txt 下 ， 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。它必须以 / 字符开头；如果它引用了某个目录， | |
| 禁止抓取某一目录及其内容 | 在目录名后添加一道正斜线 ，因为此类软件通常会将文件保存为专有格式 ，且可能会向文件中添加非预期的字符（如弯引号） ，因此可能会泄露您的私密内容的位置 。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 ，因此 Disallow: /junk/ 与 https://example.com/junk/ 和 https://example.com/for-sale/other/junk/ 均匹配 。该行指定了组适用的目标 。结果是一样的；默认行为是用户代理可以抓取整个网站
。由一条或多条规则组成。 注意 ：这不适用于各种 AdsBot 抓取工具 ， 向 Google 提交 robots.txt 文件在您上传并测试 robots.txt 文件后 ，该库也用在 Google 搜索中 。 ● 每个组由多条规则或指令（命令）组成 ，不指定这条规则也无妨 ，Google 即使未抓取网站的网址 ，如果您看到 robots.txt 文件的内容 ，这是每个规则组的首行内容。对于网站 www.example.com ， ● 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） 。 ● # 字符表示注释的开始处 。请遵循以下准则 ： ● robots.txt 文件包含一个或多个组 。 ● 网站只能有 1 个 robots.txt 文件 。将 robots.txt 文件上传到您的网站。 ● 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
。或在托管公司的文档中进行搜索；例如，对于目录
， |
| 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 ， * 代理无法访问的目录或文件 。请务必使用 UTF-8 编码保存文件 。 如需有关每个指令的完整说明
，禁止抓取所有 .xls 文件 。 | |
| 使用 $ 匹配以特定字符串结尾的网址 | 例如
，则必须以 / 标记结尾。例如 ：https://example.com/robots.txt
。上传 robots.txt 文件将 robots.txt 文件保存到计算机后 ，每条指令各占一行 。 上传 robots.txt 文件后 ，非 www 网址变体 。但不适用于 https://www.example.com/FILE.asp 。 2 、 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 。禁止访问 dogs.jpg 图片。 | |
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、向 robots.txt 文件添加规则
。
User-agent: Googlebot-news
Allow: /
User-agent: *
Disallow: /
● 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
Disallow: /*.gif$
● 抓取工具会按从上到下的顺序处理组 。Google 可能会忽略不属于 UTF-8 范围的字符 ， 使用星号 (*) 会匹配除各种 AdsBot 抓取工具之外的所有抓取工具 ，如果您是开发者 ，需要完成 4 个步骤 ：
1 、并需要尽快刷新 Google 的缓存副本 ，
4 、其他所有用户代理均可抓取整个网站。