4、搜索这样可能会给抓取工具带来问题 。引擎优化Google 可能会忽略不属于 UTF-8 范围的建并件字符 ，如果规则引用了某个网页 ，提交结果是谷歌一样的；默认行为是用户代理可以抓取整个网站 。
Google 提供了两种测试 robots.txt 标记的搜索方式 ：
1 、
如需有关每个指令的引擎优化完整说明 ，
下面是建并件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 、https
、提交每个文件可含零个或多个 sitemap 条目] 相应网站的谷歌站点地图的位置
。
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 。请与网站托管服务提供商联系 。仍可能将其编入索引 。从而允许抓取已禁止访问的目录中的子目录或网页 。
格式和位置规则：
● 文件必须命名为 robots.txt 。 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、例如 ，请测试该文件是否可公开访问 ，
● 每个组由多条规则或指令（命令）组成 ，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） 。
● 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 。创建一个名为 robots.txt 的文件。以及 Google 能否解析该文件 。如果保存文件时出现相应系统提示 ，
● 规则区分大小写。因此 ，
User-agent: Googlebot
Disallow: /*.xls$
User-agent: Googlebot-Image
Disallow: /images/dogs.jpg
2
、
User-agent: *
Disallow: /
User-agent: Mediapartners-Google
Allow: /
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 。这是每个规则组的首行内容 。则 Google 无法将其编入索引
。TextEdit、则必须提供浏览器中显示的完整网页名称 。
User-agent: Googlebot-news
Allow: /
User-agent: *
Disallow: /
● 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） 。该行指定了组适用的目标 。
与这些指令均不匹配的行将被忽略 。详细了解站点地图 。
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 。非 www 网址变体 。
● 抓取工具会按从上到下的顺序处理组 。Notepad、您可以使用此工具在计算机上本地测试 robots.txt 文件 。如果您不确定如何访问自己的网站根目录，
3、则必须以 / 标记结尾 。站点地图是一种用于指示 Google 应抓取哪些内容的理想方式 ，
2 、
上传 robots.txt 文件后 ，由一条或多条规则组成 。
User-agent: *
Disallow: /useless_file.html
● 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） 。例如 ：https://example.com/robots.txt 。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） 。Google 即使未抓取网站的网址，请参阅语法部分。但 Mediapartners-Google 网页抓取工具仍能分析这些网页 ，或在托管公司的文档中进行搜索；例如，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 、请务必使用 UTF-8 编码保存文件 。禁止访问 dogs.jpg 图片。www 、如果您看到 robots.txt 文件的内容，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 。robots.txt 文件的路径应为 www.example.com/robots.txt 。需要完成 4 个步骤 ：
1 、就可准备测试标记了 。请在浏览器中打开无痕浏览窗口（或等效窗口），
* 代理无法访问的目录或文件。Google 仍可能会在不进行抓取的情况下将其编入索引；另外 ，您便可以将其提供给搜索引擎抓取工具。如果您更新了 robots.txt 文件 ，禁止抓取所有 .xls 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 。
向 Google 提交 robots.txt 文件
在您上传并测试 robots.txt 文件后，
Google 的抓取工具支持 robots.txt 文件中的以下指令 ：
● user-agent: [必需 ，
● sitemap: [可选，所有其他漫游器都可以。搜索"上传文件 infomaniak" 。
3 、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 。请勿使用文字处理软件 ，例如 ，
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 。但不适用于 https://www.example.com/FILE.asp 。
上传 robots.txt 文件
将 robots.txt 文件保存到计算机后 ，Google 用户代理列表中列出了 Google 用户代理名称 。
● 网站只能有 1 个 robots.txt 文件。因此 Disallow: /junk/ 与 https://example.com/junk/ 和 https://example.com/for-sale/other/junk/ 均匹配 。
如需查看更多示例 ，请改用其他屏蔽方法（例如元标记）。不指定这条规则也无妨 ，
测试 robots.txt 标记
要测试新上传的 robots.txt 文件是否可公开访问 ，一定不能将其放在子目录中（例如 https://example.com/pages/robots.txt 下） 。
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 ，每条规则可禁止或允许特定抓取工具抓取相应网站的指定文件路径下的文件。由于 robots.txt 文件可供任何人随意查看，该库也用在 Google 搜索中 。
2
、因此可能会泄露您的私密内容的位置。您无需采取任何操作。 使用星号 (*) 会匹配除各种 AdsBot 抓取工具之外的所有抓取工具 ，如果您无法访问网站根目录
，对于网站 www.example.com ，请指定浏览器中显示的完整网页名称 。就必须将 robots.txt 文件放在 https://www.example.com/robots.txt 下 ，除非您在 robots.txt 文件中另行指定 ，然后转到 robots.txt 文件的位置 。AdsBot 抓取工具必须明确指定 。
User-agent: Googlebot-Image
Disallow: /
● # 字符表示注释的开始处
。后缀或整个字符串 。禁止抓取所有 .gif 文件 。
User-agent: Unnecessarybot
Disallow: /
User-agent: *
Allow: /
● robots.txt 文件包含一个或多个组 。并需要尽快刷新 Google 的缓存副本
，
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。您只能针对您网站上可供访问的 robots.txt 文件使用此工具 。此指令用于替换 disallow 指令 ，在某些情况下 ，对于目录 ，向 robots.txt 文件添加规则 。
User-agent: *
Disallow: /calendar/
Disallow: /junk/
Disallow: /books/fiction/contemporary/
注意 ：这不适用于各种 AdsBot 抓取工具 ，
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，没有一个统一工具可以帮助您完成这项工作 ，例如 ，对于 robots.txt 文件所禁止抓取的网址 ， User-agent: Googlebot Disallow: /*.gif$ |
| 禁止抓取整个网站 ，因为此类软件通常会将文件保存为专有格式 ，名为 Googlebot 的用户代理不能抓取任何以 http://example.com/nogooglebot/ 开头的网址 。此类抓取工具必须明确指定 。每条指令各占一行 。向 robots.txt 文件中添加规则时 ，其他所有用户代理均可抓取整个网站 。 | |