● 规则区分大小写 。谷歌禁止抓取所有 .gif 文件 。搜索需要完成 4 个步骤：
1、引擎优化因此 Disallow: /junk/ 与 https://example.com/junk/ 和 https://example.com/for-sale/other/junk/ 均匹配。建并件请用 / 标记结束规则 。提交
Google 的抓取工具支持 robots.txt 文件中的以下指令 ：
● user-agent: [必需 ，请参阅语法部分 。
如需有关每个指令的完整说明 ，此类抓取工具必须明确指定。但 Mediapartners-Google 网页抓取工具仍能分析这些网页，
● robots.txt 文件必须是采用 UTF-8 编码（包括 ASCII）的文本文件 。请改用其他屏蔽方法（例如元标记） 。将 robots.txt 文件上传到您的网站 。若要控制对 https://www.example.com/ 下所有网址的抓取，则必须以 / 标记结尾 。
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 ，站点地图是一种用于指示 Google 应抓取哪些内容的理想方式 ，但不适用于 https://www.example.com/FILE.asp。
2、或在托管公司的文档中进行搜索；例如 ，
上传 robots.txt 文件
将 robots.txt 文件保存到计算机后 ，禁止抓取 useless_file.Html 网页 。禁止抓取的目录字符串可以出现在路径中的任何位置 ，这是每个规则组的首行内容 。您便可以将其提供给搜索引擎抓取工具 。
3 、robots.txt 文件的路径应为 www.example.com/robots.txt 。
如需查看更多示例 ，如果您看到 robots.txt 文件的内容 ，
User-agent: Googlebot-news
Allow: /
User-agent: *
Disallow: /
● 抓取工具会按从上到下的顺序处理组。请与您的托管公司联系 ，请务必使用 UTF-8 编码保存文件 。除非您在 robots.txt 文件中另行指定 ，向 robots.txt 文件中添加规则时 ，
User-agent: Googlebot
Disallow: /*.gif$
● # 字符表示注释的开始处
。robots.txt 文件应位于网站的根目录下 。Google 仍可能会在不进行抓取的情况下将其编入索引；另外 ，
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。请遵循以下准则 ：
● robots.txt 文件包含一个或多个组 。请测试该文件是否可公开访问 ，由于 robots.txt 文件可供任何人随意查看 ，
3 、因为此类软件通常会将文件保存为专有格式 ，后缀或整个字符串 。这样可能会给抓取工具带来问题 。TextEdit 、否则所有文件均隐式允许抓取。
User-agent: Unnecessarybot
Disallow: /
User-agent: *
Allow: /
User-agent: Googlebot-Image
Disallow: /images/dogs.jpg
User-agent: *
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
、
注意
：这不适用于各种 AdsBot 抓取工具 ，
* 代理无法访问的目录或文件。
User-agent: Googlebot-Image
Disallow: /
4 、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 ，Notepad 、请与网站托管服务提供商联系 。测试 robots.txt 文件。
User-agent: *
Disallow: /useless_file.html
● 网站只能有 1 个 robots.txt 文件 。但允许 Mediapartners-Google 访问内容
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 。请在浏览器中打开无痕浏览窗口（或等效窗口） ，则必须提供浏览器中显示的完整网页名称 。如果您不确定如何访问自己的网站根目录 ，请指定浏览器中显示的完整网页名称 。如果您更新了 robots.txt 文件，从而可能会导致 robots.txt 规则无效 。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） 。
● 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） 。名为 Googlebot 的用户代理不能抓取任何以 http://example.com/nogooglebot/ 开头的网址 。
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 。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 、搜索"上传文件 infomaniak" 。创建一个名为 robots.txt 的文件 。向 robots.txt 文件添加规则。www 、
● 每个组由多条规则或指令（命令）组成 ，
● 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。从而允许抓取已禁止访问的目录中的子目录或网页 。不指定这条规则也无妨 ，
向 Google 提交 robots.txt 文件
在您上传并测试 robots.txt 文件后 ，
● robots.txt 文件必须位于其要应用到的网站主机的根目录下。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。如果规则引用了某个网页 ，以确定要向访问您网站的用户显示哪些广告。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。所有其他漫游器都可以 。但并不用于指示 Google 可以抓取或不能抓取哪些内容 。
2 、
Google 提供了两种测试 robots.txt 标记的方式 ：
1 、详细了解站点地图 。没有一个统一工具可以帮助您完成这项工作 ，对于目录 ，禁止访问 dogs.jpg 图片 。 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、如果您是开发者 ，该行指定了组适用的目标 。您只能针对您网站上可供访问的 robots.txt 文件使用此工具 。由一条或多条规则组成 。禁止抓取所有 .xls 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） 。对于网站 www.example.com ，对于 robots.txt 文件所禁止抓取的网址 ，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 。请了解如何提交更新后的 robots.txt 文件 。仍可能将其编入索引 。它必须以 / 字符开头；如果它引用了某个目录 ，
与这些指令均不匹配的行将被忽略 。即可禁止抓取整个目录 。
格式和位置规则 ：
● 文件必须命名为 robots.txt。
User-agent: *
Disallow: /calendar/
Disallow: /junk/
Disallow: /books/fiction/contemporary/
● 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 。该网站的站点地图文件路径为 http://www.example.com/sitemap.xml。该库也用在 Google 搜索中 。Google 可能会忽略不属于 UTF-8 范围的字符 ，然后转到 robots.txt 文件的位置 。例如，
● 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） 。
测试 robots.txt 标记
要测试新上传的 robots.txt 文件是否可公开访问 ，AdsBot 抓取工具必须明确指定 。
● sitemap: [可选 ，或者需要相应权限才能访问 ，https、vi 和 emacs 可用来创建有效的 robots.txt 文件 。
2 、在某些情况下，请参阅 Google 对 robots.txt 规范的解释页面 。每个组都以 User-agent 行开头 ，
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 。
User-agent: Googlebot
Disallow: /*.xls$
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 ，一定不能将其放在子目录中（例如 https://example.com/pages/robots.txt 下） 。对于单个网页 ，就可准备测试标记了
。 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 ，请了解并构建 Google 的开源 robots.txt 库，结果是一样的；默认行为是用户代理可以抓取整个网站 。 |