谷歌seo优化：创建一个robots.txt文件规则

发布时间：2019-12-04来源：google作者：马兔子阅读：(0)字号： 大 中 小

关于 robots.txt

创建 robots.txt 文件




如果您使用了网站托管服务（如 Wix 或 Blogger），则可能不需要创建或修改 robots.txt 文件。

使用入门

robots.txt 文件应位于您网站的根目录下。也就是说，如果您的网站是 www.example.com，则 robots.txt 文件的路径应为 www.example.com/robots.txt。robots.txt 是一种遵照漫游器排除标准创建的纯文本文件，由一条或多条规则组成。每条规则可禁止（或允许）特定抓取工具抓取相应网站中的指定文件路径。

下面是一个包含两条规则的简单 robots.txt 文件，具体解析请见下文：

# Group 1
User-agent: Googlebot
Disallow: /nogooglebot/

# Group 2
User-agent: *
Allow: /

Sitemap: http://www.example.com/sitemap.xml

 

解析：

●名为“Googlebot”抓取工具的用户代理不应抓取 http://example.com/nogooglebot/ 文件夹或任何子目录。

●所有其他用户代理均可访问整个网站。（不指定这条规则也无妨，结果是一样的，因为完全访问权限是系统默认的前提。）

●网站的站点地图文件位于 http://www.example.com/sitemap.xml。

我们稍后会提供一个更详细的示例。

基本的 robots.txt 准则

以下是与 robots.txt 文件有关的基本准则。我们建议您阅读 robots.txt 文件的完整语法，因为 robots.txt 语法中有一些您需要了解的细微行为。

格式和位置

您几乎可以使用任意文本编辑器创建 robots.txt 文件。您所用的文本编辑器应能够创建标准 UTF-8 文本文件；请勿使用文字处理软件，因为此类软件通常会将文件保存为专有格式，且可能会向文件中添加非预期的字符（如弯引号），而这可能会导致抓取工具无法顺利读取 robots.txt 文件。

使用 robots.txt 测试工具为您的网站编写或修改 robots.txt 文件。借助此工具，您可以测试自己网站的语法和行为。

格式和位置规则：

• 文件必须命名为 robots.txt。

• 您的网站只能有 1 个 robots.txt 文件。

• robots.txt 文件必须位于要应用到的网站主机的根目录下。例如，要控制对 http://www.example.com/ 下所有网址的抓取，就必须将 robots.txt 文件放在 http://www.example.com/robots.txt 下，而不能将其放在子目录（例如 http://example.com/pages/robots.txt）下。如果您不确定如何访问自己的网站根目录，或者需要相应权限才能进行访问，请与网站托管服务提供商联系。如果您无法访问自己的网站根目录，请改用其他屏蔽方法（例如元标记）。

• robots.txt 文件可应用到子网域（例如 http://website.example.com/robots.txt）或非标准端口（例如 http://example.com:8181/robots.txt）。

• 备注是指 # 标记后的所有内容。

语法

• robots.txt 必须是 UTF-8 编码的文本文件（包括 ASCII）。不能使用其他字符集。

• robots.txt 文件包含一个或多个组。

• 每个组由多条规则或指令（命令）组成，每条指令各占一行。

• 每个组包含以下信息：

• 组的适用对象（用户代理）

• 代理可以访问哪些目录或文件，和/或

• 代理无法访问哪些目录或文件。

• 系统会按照从上到下的顺序处理这些组，而且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条最具体的规则）。

• 系统的默认假设是：用户代理可以抓取所有未被 Disallow: 规则禁止访问的网页或目录。

• 规则区分大小写。例如，Disallow:/file.asp 适用于 http://www.example.com/file.asp，但不适用于 http://www.example.com/FILE.asp。

robots.txt 文件中可以使用下列指令：

• User-agent：[必需，每个组需含一个或多个 User-agent 条目] 此规则的适用搜索引擎漫游器（即网页抓取工具软件）的名称。这是每条规则的首行内容。Web Robots Database 或 Google 用户代理列表中列出了大多数 Google 用户代理名称。支持使用星号 (*) 通配符表示路径前缀、后缀或整个字符串。如下例中那样使用星号 (*) 可匹配除各种 AdsBot 抓取工具之外（此类抓取工具必须明确指定）的所有抓取工具。

• 示例：

  # 示例 1：仅屏蔽 Googlebot
  User-agent: Googlebot
  Disallow: /
  
  # 示例 2：屏蔽 Googlebot 和 Adsbot
  User-agent: Googlebot
  User-agent: AdsBot-Google
  Disallow: /
   
  # 示例 3：屏蔽除 AdsBot 抓取工具之外的所有抓取工具
  User-agent: * 
  Disallow: /

• Disallow：[每条规则需含至少一个或多个 Disallow 或 Allow 条目] 用户代理不应抓取的目录或网页（相对于根网域而言）。如果要指定网页，应提供浏览器中显示的完整网页名称；如果要指定目录，则应以标记“/”结尾。支持使用通配符“*”表示路径前缀、后缀或整个字符串。

• 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应抓取的目录或网页（相对于根网域而言）。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。如果要指定网页，就应提供浏览器中显示的完整网页名称；如果要指定目录，则应以标记“/”结尾。支持使用通配符“*”表示路径前缀、后缀或整个字符串。

• Sitemap：[可选，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。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/httpswww.non-www 网址变体。站点地图是一种用于指示 Google 应抓取哪些内容（而不是可以或无法抓取哪些内容）的好方法。详细了解站点地图。 示例：

  Sitemap: https://example.com/sitemap.xml
  Sitemap: http://www.example.com/sitemap.xml

其他规则会被忽略。

再看一个示例文件

robots.txt 文件包含一个或多个组，其中每个组都以 User-agent 行（指定相应组适用的目标）开头。下面是一个包含两个组的文件；内嵌的备注分别对每个组进行了解析：

# Block googlebot from example.com/directory1/... and example.com/directory2/...
# but allow access to directory2/subdirectory1/...
# All other directories on the site are allowed by default.
User-agent: googlebot
Disallow: /directory1/
Disallow: /directory2/
Allow: /directory2/subdirectory1/

# Block the entire site from anothercrawler.
User-agent: anothercrawler
Disallow: /

robots.txt 的完整语法

您可在此处找到 robots.txt 的完整语法。robots.txt 语法的某些部分比较棘手，需要重点学习，因此请一定仔细阅读整个文档。

实用的 robots.txt 规则

下面是一些常见的实用 robots.txt 规则：

规则	示例
禁止抓取整个网站。 请注意，在某些情况下，Google 即使未抓取网站的网址，仍可能会将其编入索引。注意：这不适用于各种 AdsBot 抓取工具，此类抓取工具必须明确指定。	User-agent: * Disallow: /
禁止抓取某一目录及其内容（在目录名后面添加一道正斜线）。请注意，若想禁止访问私密内容，则不应使用 robots.txt，而应改用适当的身份验证机制。对于 robots.txt 文件所禁止抓取的网址，Google 仍可能会在不进行抓取的情况下将其编入索引；另外，由于 robots.txt 文件可供任何人随意查看，因此可能会泄露您的私密内容的位置。	User-agent: * Disallow: /calendar/ Disallow: /junk/
仅允许使用某一抓取工具	User-agent: Googlebot-news Allow: / User-agent: * Disallow: /
允许使用除某一抓取工具以外的其他所有抓取工具	User-agent: Unnecessarybot Disallow: / User-agent: * Allow: /
禁止抓取某一网页（在正斜线后面列出网页）：	User-agent: * Disallow: /private_file.html
禁止 Google 图片访问某一特定图片：	User-agent: Googlebot-Image Disallow: /images/dogs.jpg
禁止 Google 图片访问您网站上的所有图片：	User-agent: Googlebot-Image Disallow: /
禁止抓取某一特定类型的文件（例如 .gif）：	User-agent: Googlebot Disallow: /*.gif$
禁止抓取整个网站，但允许在这些网页上显示 AdSense 广告（禁止使用除 Mediapartners-Google 以外的所有网页抓取工具）。这种方法会阻止您的网页显示在搜索结果中，但 Mediapartners-Google 网页抓取工具仍能分析这些网页，以确定要向您网站上的访问者显示哪些广告。	User-agent: * Disallow: / User-agent: Mediapartners-Google Allow: /
匹配以某一特定字符串结尾的网址 - 需使用美元符号 ($)。例如，示例代码会禁止访问以 .xls 结尾的所有网址：	User-agent: Googlebot Disallow: /*.xls$