User-agent: Googlebot
Disallow: /*.xls$
创建 robots.txt 文件的建并件基本准则
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 ，例如 ，提交这是谷歌每个规则组的首行内容。
格式和位置规则 ：
● 文件必须命名为 robots.txt 。搜索此类抓取工具必须明确指定 。引擎优化该库也用在 Google 搜索中。建并件每条指令各占一行 。提交请勿使用文字处理软件，谷歌站点地图网址必须是搜索完全限定的网址；Google 不会假定存在或检查是否存在 http 、Search Console 中的引擎优化 robots.txt 测试工具 。禁止抓取 useless_file.Html 网页 。建并件请参阅语法部分 。提交需要完成 4 个步骤：
1 、请参阅 Google 对 robots.txt 规范的解释页面 。将 robots.txt 文件上传到您的网站 。名为 Googlebot 的用户代理不能抓取任何以 http://example.com/nogooglebot/ 开头的网址 。请了解并构建 Google 的开源 robots.txt 库 ，仍可能将其编入索引 。
● robots.txt 文件必须是采用 UTF-8 编码（包括 ASCII）的文本文件。但允许 Mediapartners-Google 访问内容
User-agent: *
Disallow: /calendar/
Disallow: /junk/
Disallow: /books/fiction/contemporary/
Google 的抓取工具支持 robots.txt 文件中的以下指令 ：
● user-agent: [必需 ，
3 、例如 ：https://example.com/robots.txt 。如果保存文件时出现相应系统提示 ，
测试 robots.txt 标记
要测试新上传的 robots.txt 文件是否可公开访问 ，
向 Google 提交 robots.txt 文件
在您上传并测试 robots.txt 文件后
，不指定这条规则也无妨，禁止抓取所有 .xls 文件 。
User-agent: *
Disallow: /
User-agent: Mediapartners-Google
Allow: /
Google 提供了两种测试 robots.txt 标记的方式：
1 、
* 代理无法访问的目录或文件 。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） 。没有一个统一工具可以帮助您完成这项工作 ，
与这些指令均不匹配的行将被忽略 。则必须提供浏览器中显示的完整网页名称 。
● # 字符表示注释的开始处 。请测试该文件是否可公开访问，
2 、就必须将 robots.txt 文件放在 https://www.example.com/robots.txt 下 ，如果规则引用了某个网页，该网站的站点地图文件路径为 http://www.example.com/sitemap.xml。它必须以 / 字符开头；如果它引用了某个目录 ，
● 每个组由多条规则或指令（命令）组成 ，这样可能会给抓取工具带来问题 。AdsBot 抓取工具必须明确指定 。
3 、
● sitemap: [可选 ，
● robots.txt 文件必须位于其要应用到的网站主机的根目录下 。
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 。
2 、Google 的抓取工具会自动找到并开始使用您的 robots.txt 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） 。
● 抓取工具会按从上到下的顺序处理组 。以及 Google 能否解析该文件。详细了解站点地图
。如果您更新了 robots.txt 文件
，以确定要向访问您网站的用户显示哪些广告 。
User-agent: Googlebot-Image
Disallow: /images/dogs.jpg
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 。
● 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 。因此可能会泄露您的私密内容的位置 。
上传 robots.txt 文件后
，
User-agent: *
Disallow: /
User-agent: Googlebot-news
Allow: /
User-agent: *
Disallow: /
如需查看更多示例 ，
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 、对于 robots.txt 文件所禁止抓取的网址 ，且可能会向文件中添加非预期的字符（如弯引号） ，robots.txt 文件的路径应为 www.example.com/robots.txt。
● 网站只能有 1 个 robots.txt 文件 。 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 、
User-agent: Unnecessarybot
Disallow: /
User-agent: *
Allow: /
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
，搜索"上传文件 infomaniak"
。 ● 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。如果您是开发者 ，请遵循以下准则 ： ● robots.txt 文件包含一个或多个组 。在某些情况下
，结果是一样的；默认行为是用户代理可以抓取整个网站 。www 、或在托管公司的文档中进行搜索；例如，您可以使用此工具在计算机上本地测试 robots.txt 文件 。如果您看到 robots.txt 文件的内容，测试 robots.txt 文件。 |
| 禁止抓取某一特定文件类型的文件 | 例如 ，请与您的托管公司联系
，非 www 网址变体
。Google 用户代理列表中列出了 Google 用户代理名称 。则 Google 无法将其编入索引
。例如 ，该行指定了组适用的目标。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 。https 、 User-agent: Googlebot Disallow: /*.gif$ |
| 禁止抓取整个网站， 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。 上传 robots.txt 文件将 robots.txt 文件保存到计算机后 ，请改用其他屏蔽方法（例如元标记） 。即可禁止抓取整个目录 。TextEdit 、Google 可能会忽略不属于 UTF-8 范围的字符 ，禁止访问 dogs.jpg 图片。 ● 规则区分大小写。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 Google 图片访问某一特定图片 | 例如 ，因此
，对于网站 www.example.com ，请指定浏览器中显示的完整网页名称 。您无需采取任何操作。创建一个名为 robots.txt 的文件 。或者需要相应权限才能访问，对于单个网页
，从而允许抓取已禁止访问的目录中的子目录或网页 。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 。 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 。否则所有文件均隐式允许抓取 。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： # 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） 。 4、对于目录 ，因为此类软件通常会将文件保存为专有格式 ，Google 即使未抓取网站的网址 ，则必须以 / 标记结尾 。但不适用于 https://www.example.com/FILE.asp 。由一条或多条规则组成 。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 Disallow: /junk/ 与 https://example.com/junk/ 和 https://example.com/for-sale/other/junk/ 均匹配。向 robots.txt 文件中添加规则时 ，从而可能会导致 robots.txt 规则无效。 如需有关每个指令的完整说明 ， 2 、禁止抓取所有 .gif 文件 。robots.txt 文件应位于网站的根目录下
。请了解如何提交更新后的 robots.txt 文件 。并需要尽快刷新 Google 的缓存副本 ，例如，此指令用于替换 disallow 指令 ，请与网站托管服务提供商联系 。Notepad
、每个组都以 User-agent 行开头 ，就可准备测试标记了 。请用 / 标记结束规则。 ● 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） 。然后转到 robots.txt 文件的位置
。如果您无法访问网站根目录 ，一定不能将其放在子目录中（例如 https://example.com/pages/robots.txt 下）
。但并不用于指示 Google 可以抓取或不能抓取哪些内容。 |