您可以使用 robots.txt 文件控制抓取工具可以訪問您網(wǎng)站上的哪些文件。robots.txt 文件應(yīng)位于網(wǎng)站的根目錄下。因此，對于網(wǎng)站 www.example.com，robots.txt 文件的路徑應(yīng)為 www.example.com/robots.txt。robots.txt 是一種遵循漫游器排除標(biāo)準(zhǔn)的純文本文件，由一條或多條規(guī)則組成。每條規(guī)則可禁止或允許特定抓取工具抓取相應(yīng)網(wǎng)站的指定文件路徑下的文件。除非您在 robots.txt 文件中另行指定，否則所有文件均隱式允許抓取。
下面是一個(gè)包含兩條規(guī)則的簡單 robots.txt 文件：
User-agent: Googlebot
Disallow: /nogooglebot/
User-agent: *
Allow: /
Sitemap: http://www.example.com/sitemap.xml
以下是該 robots.txt 文件的含義：
1、名為 Googlebot 的用戶代理不能抓取任何以 http://example.com/nogooglebot/ 開頭的網(wǎng)址。
2、其他所有用戶代理均可抓取整個(gè)網(wǎng)站。不指定這條規(guī)則也無妨，結(jié)果是一樣的；默認(rèn)行為是用戶代理可以抓取整個(gè)網(wǎng)站。
3、該網(wǎng)站的站點(diǎn)地圖文件路徑為 http://www.example.com/sitemap.xml。
如需查看更多示例，請參閱語法部分。
創(chuàng)建 robots.txt 文件的基本準(zhǔn)則
要?jiǎng)?chuàng)建 robots.txt 文件并使其在一般情況下具備可訪問性和實(shí)用性，需要完成 4 個(gè)步驟：
1、創(chuàng)建一個(gè)名為 robots.txt 的文件。
2、向 robots.txt 文件添加規(guī)則。
3、將 robots.txt 文件上傳到您的網(wǎng)站。
4、測試 robots.txt 文件。
創(chuàng)建 robots.txt 文件
您幾乎可以使用任意文本編輯器創(chuàng)建 robots.txt 文件。例如，Notepad、TextEdit、vi 和 emacs 可用來創(chuàng)建有效的 robots.txt 文件。請勿使用文字處理軟件，因?yàn)榇祟愜浖ǔ?huì)將文件保存為專有格式，且可能會(huì)向文件中添加非預(yù)期的字符（如彎引號(hào)），這樣可能會(huì)給抓取工具帶來問題。如果保存文件時(shí)出現(xiàn)相應(yīng)系統(tǒng)提示，請務(wù)必使用 UTF-8 編碼保存文件。
格式和位置規(guī)則：
● 文件必須命名為 robots.txt。
● 網(wǎng)站只能有 1 個(gè) robots.txt 文件。
● robots.txt 文件必須位于其要應(yīng)用到的網(wǎng)站主機(jī)的根目錄下。例如，若要控制對 https://www.example.com/ 下所有網(wǎng)址的抓取，就必須將 robots.txt 文件放在 https://www.example.com/robots.txt 下，一定不能將其放在子目錄中（例如 https://example.com/pages/robots.txt 下）。如果您不確定如何訪問自己的網(wǎng)站根目錄，或者需要相應(yīng)權(quán)限才能訪問，請與網(wǎng)站托管服務(wù)提供商聯(lián)系。如果您無法訪問網(wǎng)站根目錄，請改用其他屏蔽方法（例如元標(biāo)記）。
● robots.txt 文件可應(yīng)用到子網(wǎng)域（例如 https://website.example.com/robots.txt）或非標(biāo)準(zhǔn)端口（例如 http://example.com:8181/robots.txt）。
● robots.txt 文件必須是采用 UTF-8 編碼（包括 ASCII）的文本文件。Google 可能會(huì)忽略不屬于 UTF-8 范圍的字符，從而可能會(huì)導(dǎo)致 robots.txt 規(guī)則無效。
向 robots.txt 文件添加規(guī)則
規(guī)則是關(guān)于抓取工具可以抓取網(wǎng)站哪些部分的說明。向 robots.txt 文件中添加規(guī)則時(shí)，請遵循以下準(zhǔn)則：
● robots.txt 文件包含一個(gè)或多個(gè)組。
● 每個(gè)組由多條規(guī)則或指令（命令）組成，每條指令各占一行。每個(gè)組都以 User-agent 行開頭，該行指定了組適用的目標(biāo)。
● 每個(gè)組包含以下信息：
* 組的適用對象（用戶代理）
* 代理可以訪問的目錄或文件。
* 代理無法訪問的目錄或文件。
● 抓取工具會(huì)按從上到下的順序處理組。一個(gè)用戶代理只能匹配 1 個(gè)規(guī)則集（即與相應(yīng)用戶代理匹配的比較早的最具體組）。
● 系統(tǒng)的默認(rèn)假設(shè)是：用戶代理可以抓取所有未被 disallow 規(guī)則屏蔽的網(wǎng)頁或目錄。
● 規(guī)則區(qū)分大小寫。例如，disallow: /file.asp 適用于 https://www.example.com/file.asp，但不適用于 https://www.example.com/FILE.asp。
● # 字符表示注釋的開始處。
Google 的抓取工具支持 robots.txt 文件中的以下指令：
● user-agent: [必需，每個(gè)組需含一個(gè)或多個(gè) User-agent 條目] 該指令指定了規(guī)則適用的自動(dòng)客戶端（即搜索引擎抓取工具）的名稱。這是每個(gè)規(guī)則組的首行內(nèi)容。Google 用戶代理列表中列出了 Google 用戶代理名稱。 使用星號(hào) (*) 會(huì)匹配除各種 AdsBot 抓取工具之外的所有抓取工具，AdsBot 抓取工具必須明確指定。例如：
# Example 1: Block only Googlebot
User-agent: Googlebot
Disallow: /
# Example 2: Block Googlebot and Ad***ot
User-agent: Googlebot
User-agent: AdsBot-Google
Disallow: /
# Example 3: Block all but AdsBot crawlers
User-agent: *
Disallow: /
● disallow: [每條規(guī)則需含至少一個(gè)或多個(gè) disallow 或 allow 條目] 您不希望用戶代理抓取的目錄或網(wǎng)頁（相對于根網(wǎng)域而言）。如果規(guī)則引用了某個(gè)網(wǎng)頁，則必須提供瀏覽器中顯示的完整網(wǎng)頁名稱。它必須以 / 字符開頭；如果它引用了某個(gè)目錄，則必須以 / 標(biāo)記結(jié)尾。
● allow: [每條規(guī)則需含至少一個(gè)或多個(gè) disallow 或 allow 條目] 上文中提到的用戶代理可以抓取的目錄或網(wǎng)頁（相對于根網(wǎng)域而言）。此指令用于替換 disallow 指令，從而允許抓取已禁止訪問的目錄中的子目錄或網(wǎng)頁。對于單個(gè)網(wǎng)頁，請指定瀏覽器中顯示的完整網(wǎng)頁名稱。對于目錄，請用 / 標(biāo)記結(jié)束規(guī)則。
● sitemap: [可選，每個(gè)文件可含零個(gè)或多個(gè) sitemap 條目] 相應(yīng)網(wǎng)站的站點(diǎn)地圖的位置。站點(diǎn)地圖網(wǎng)址必須是完全限定的網(wǎng)址；Google 不會(huì)假定存在或檢查是否存在 http、https、www、非 www 網(wǎng)址變體。站點(diǎn)地圖是一種用于指示 Google 應(yīng)抓取哪些內(nèi)容的理想方式，但并不用于指示 Google 可以抓取或不能抓取哪些內(nèi)容。詳細(xì)了解站點(diǎn)地圖。 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 * 表示路徑前綴、后綴或整個(gè)字符串。
與這些指令均不匹配的行將被忽略。
如需有關(guān)每個(gè)指令的完整說明，請參閱 Google 對 robots.txt 規(guī)范的解釋頁面。
上傳 robots.txt 文件
將 robots.txt 文件保存到計(jì)算機(jī)后，您便可以將其提供給搜索引擎抓取工具。沒有一個(gè)統(tǒng)一工具可以幫助您完成這項(xiàng)工作，因?yàn)槿绾螌?robots.txt 文件上傳到網(wǎng)站取決于您的網(wǎng)站和服務(wù)器架構(gòu)。請與您的托管公司聯(lián)系，或在托管公司的文檔中進(jìn)行搜索；例如，搜索"上傳文件 infomaniak"。
上傳 robots.txt 文件后，請測試該文件是否可公開訪問，以及 Google 能否解析該文件。
測試 robots.txt 標(biāo)記
要測試新上傳的 robots.txt 文件是否可公開訪問，請?jiān)跒g覽器中打開無痕瀏覽窗口（或等效窗口），然后轉(zhuǎn)到 robots.txt 文件的位置。例如：https://example.com/robots.txt。如果您看到 robots.txt 文件的內(nèi)容，就可準(zhǔn)備測試標(biāo)記了。
Google 提供了兩種測試 robots.txt 標(biāo)記的方式：
1、Search Console 中的 robots.txt 測試工具。您只能針對您網(wǎng)站上可供訪問的 robots.txt 文件使用此工具。
2、如果您是開發(fā)者，請了解并構(gòu)建 Google 的開源 robots.txt 庫，該庫也用在 Google 搜索中。您可以使用此工具在計(jì)算機(jī)上本地測試 robots.txt 文件。
向 Google 提交 robots.txt 文件
在您上傳并測試 robots.txt 文件后，Google 的抓取工具會(huì)自動(dòng)找到并開始使用您的 robots.txt 文件。您無需采取任何操作。如果您更新了 robots.txt 文件，并需要盡快刷新 Google 的緩存副本，請了解如何提交更新后的 robots.txt 文件。
實(shí)用的 robots.txt 規(guī)則
下面是一些常見的實(shí)用 robots.txt 規(guī)則：
實(shí)用規(guī)則禁止抓取整個(gè)網(wǎng)站請注意，在某些情況下，Google 即使未抓取網(wǎng)站的網(wǎng)址，仍可能將其編入索引。
注意：這不適用于各種 AdsBot 抓取工具，此類抓取工具必須明確指定。
User-agent: *
Disallow: /禁止抓取某一目錄及其內(nèi)容在目錄名后添加一道正斜線，即可禁止抓取整個(gè)目錄。禁止抓取的目錄字符串可以出現(xiàn)在路徑中的任何位置，因此 Disallow: /junk/ 與 https://example.com/junk/ 和 https://example.com/for-sale/other/junk/ 均匹配。
注意：請勿使用 robots.txt 禁止訪問私密內(nèi)容；請改用正確的身份驗(yàn)證機(jī)制。對于 robots.txt 文件所禁止抓取的網(wǎng)址，Google 仍可能會(huì)在不進(jìn)行抓取的情況下將其編入索引；另外，由于 robots.txt 文件可供任何人隨意查看，因此可能會(huì)泄露您的私密內(nèi)容的位置。
User-agent: *
Disallow: /calendar/
Disallow: /junk/
Disallow: /books/fiction/contemporary/
僅允許某一抓取工具訪問網(wǎng)站內(nèi)容只有 googlebot-news 可以抓取整個(gè)網(wǎng)站。
User-agent: Googlebot-news
Allow: /
User-agent: *
Disallow: /允許除某一抓取工具以外的其他所有抓取工具訪問網(wǎng)站內(nèi)容Unnecessarybot 不能抓取相應(yīng)網(wǎng)站，所有其他漫游器都可以。
User-agent: Unnecessarybot
Disallow: /
User-agent: *
Allow: /禁止抓取某一網(wǎng)頁例如，禁止抓取 useless_file.Html 網(wǎng)頁。
User-agent: *
Disallow: /useless_file.html禁止 Google 圖片訪問某一特定圖片例如，禁止訪問 dogs.jpg 圖片。
User-agent: Googlebot-Image
Disallow: /images/dogs.jpg禁止 Google 圖片訪問您網(wǎng)站上的所有圖片如果無法抓取圖片和視頻，則 Google 無法將其編入索引。
User-agent: Googlebot-Image
Disallow: /
禁止抓取某一特定文件類型的文件例如，禁止抓取所有 .gif 文件。
User-agent: Googlebot
Disallow: /*.gif$禁止抓取整個(gè)網(wǎng)站，但允許 Mediapartners-Google 訪問內(nèi)容實(shí)施此規(guī)則會(huì)阻止您的網(wǎng)頁顯示在搜索結(jié)果中，但 Mediapartners-Google 網(wǎng)頁抓取工具仍能分析這些網(wǎng)頁，以確定要向訪問您網(wǎng)站的用戶顯示哪些廣告。
User-agent: *
Disallow: /
User-agent: Mediapartners-Google
Allow: /使用 $ 匹配以特定字符串結(jié)尾的網(wǎng)址例如，禁止抓取所有 .xls 文件。
User-agent: Googlebot
Disallow: /*.xls$
TAG：谷歌搜索引擎怎么優(yōu)化
