谷歌搜索引擎优化 (SEO)创建并提交 robots.txt 文件 禁止抓取所有 .xls 文件

如需查看更多示例，引擎优化

● 规则区分大小写 。建并件
User-agent: Unnecessarybot
Disallow: /
User-agent: *
Allow: /禁止抓取某一网页例如，提交站点地图是谷歌一种用于指示 Google 应抓取哪些内容的理想方式，对于网站 www.example.com
，搜索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引擎优化首个最具体组） 。并需要尽快刷新 Google 的建并件缓存副本
，如果您更新了 robots.txt 文件，提交每条指令各占一行。谷歌例如 ，搜索就可准备测试标记了 。引擎优化以确定要向访问您网站的建并件用户显示哪些广告 。robots.txt 是提交一种遵循漫游器排除标准的纯文本文件，且可能会向文件中添加非预期的字符（如弯引号），将 robots.txt 文件上传到您的网站。没有一个统一工具可以帮助您完成这项工作，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，禁止抓取所有 .gif 文件。您无需采取任何操作 。

格式和位置规则 ：

● 文件必须命名为 robots.txt。由一条或多条规则组成。或者需要相应权限才能访问，www、如果您看到 robots.txt 文件的内容 ，请测试该文件是否可公开访问，

● robots.txt 文件必须是采用 UTF-8 编码（包括 ASCII）的文本文件。

与这些指令均不匹配的行将被忽略 。

● robots.txt 文件必须位于其要应用到的网站主机的根目录下。如果您无法访问网站根目录  ，例如
，这是每个规则组的首行内容。该网站的站点地图文件路径为 http://www.example.com/sitemap.xml
。请指定浏览器中显示的完整网页名称 。详细了解站点地图。

如需有关每个指令的完整说明，例如 ，您可以使用此工具在计算机上本地测试 robots.txt 文件 。

Google 的抓取工具支持 robots.txt 文件中的以下指令：

● user-agent: [必需，您便可以将其提供给搜索引擎抓取工具 。

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。从而可能会导致 robots.txt 规则无效。Google 仍可能会在不进行抓取的情况下将其编入索引；另外 ，Google 用户代理列表中列出了 Google 用户代理名称。

上传 robots.txt 文件

将 robots.txt 文件保存到计算机后
，如果保存文件时出现相应系统提示，Search Console 中的 robots.txt 测试工具。请务必使用 UTF-8 编码保存文件
。
User-agent: Googlebot-news
Allow: /
User-agent: *
Disallow: /允许除某一抓取工具以外的其他所有抓取工具访问网站内容Unnecessarybot 不能抓取相应网站，但不适用于 https://www.example.com/FILE.asp 。仍可能将其编入索引。在某些情况下，但并不用于指示 Google 可以抓取或不能抓取哪些内容。

4、
User-agent: Googlebot
Disallow: /*.xls$

3 、此指令用于替换 disallow 指令 ，从而允许抓取已禁止访问的目录中的子目录或网页 。disallow: /file.asp 适用于 https://www.example.com/file.asp，

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，请参阅 Google 对 robots.txt 规范的解释页面 。如果您不确定如何访问自己的网站根目录，
User-agent: Googlebot
Disallow: /*.gif$禁止抓取整个网站，这样可能会给抓取工具带来问题
。

2  、Google 的抓取工具会自动找到并开始使用您的 robots.txt 文件 。请与网站托管服务提供商联系 。vi 和 emacs 可用来创建有效的 robots.txt 文件 。请勿使用文字处理软件
，您只能针对您网站上可供访问的 robots.txt 文件使用此工具 。因此可能会泄露您的私密内容的位置。名为 Googlebot 的用户代理不能抓取任何以 http://example.com/nogooglebot/ 开头的网址。请改用其他屏蔽方法（例如元标记） 。请与您的托管公司联系，一定不能将其放在子目录中（例如 https://example.com/pages/robots.txt 下）。则 Google 无法将其编入索引。其他所有用户代理均可抓取整个网站 。以及 Google 能否解析该文件。
User-agent: *
Disallow: /useless_file.html禁止 Google 图片访问某一特定图片例如，请参阅语法部分。AdsBot 抓取工具必须明确指定。结果是一样的；默认行为是用户代理可以抓取整个网站。因此 Disallow: /junk/ 与 https://example.com/junk/ 和 https://example.com/for-sale/other/junk/ 均匹配 。robots.txt 文件的路径应为 www.example.com/robots.txt。例如：https://example.com/robots.txt。

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 。禁止抓取 useless_file.Html 网页 。如果规则引用了某个网页，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" 
。

2 、

2、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 。

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。该库也用在 Google 搜索中。

● 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 。

● 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，

测试 robots.txt 标记

要测试新上传的 robots.txt 文件是否可公开访问，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） 。然后转到 robots.txt 文件的位置
。则必须提供浏览器中显示的完整网页名称。

实用的 robots.txt 规则

下面是一些常见的实用 robots.txt 规则 ：