百度关键词优化_网站优化_SEO价格 - 云无限好排名

您可以使用 robots.txt 文件控制抓取工具可以訪問您網站上的哪些文件。robots.txt 文件應位于網站的根目錄下。因此，對于網站 www.example.com，robots.txt 文件的路徑應為 www.example.com/robots.txt。robots.txt 是一種遵循漫游器排除標準的純文本文件，由一條或多條規則組成。每條規則可禁止或允許特定抓取工具抓取相應網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。

下面是一個包含兩條規則的簡單 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/ 開頭的網址。

2、其他所有用戶代理均可抓取整個網站。不指定這條規則也無妨，結果是一樣的；默認行為是用戶代理可以抓取整個網站。

3、該網站的站點地圖文件路徑為 http://www.example.com/sitemap.xml。

如需查看更多示例，請參閱語法部分。

創建 robots.txt 文件的基本準則

要創建 robots.txt 文件并使其在一般情況下具備可訪問性和實用性，需要完成 4 個步驟：

1、創建一個名為 robots.txt 的文件。

2、向 robots.txt 文件添加規則。

3、將 robots.txt 文件上傳到您的網站。

4、測試 robots.txt 文件。

創建 robots.txt 文件

您幾乎可以使用任意文本編輯器創建 robots.txt 文件。例如，Notepad、TextEdit、vi 和 emacs 可用來創建有效的 robots.txt 文件。請勿使用文字處理軟件，因為此類軟件通常會將文件保存為專有格式，且可能會向文件中添加非預期的字符（如彎引號），這樣可能會給抓取工具帶來問題。如果保存文件時出現相應系統提示，請務必使用 UTF-8 編碼保存文件。

格式和位置規則：

● 文件必須命名為 robots.txt。

● 網站只能有 1 個 robots.txt 文件。

● robots.txt 文件必須位于其要應用到的網站主機的根目錄下。例如，若要控制對 https://www.example.com/ 下所有網址的抓取，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站根目錄，或者需要相應權限才能訪問，請與網站托管服務提供商聯系。如果您無法訪問網站根目錄，請改用其他屏蔽方法（例如元標記）。

● robots.txt 文件可應用到子網域（例如 https://website.example.com/robots.txt）或非標準端口（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 可能會忽略不屬于 UTF-8 范圍的字符，從而可能會導致 robots.txt 規則無效。

向 robots.txt 文件添加規則

規則是關于抓取工具可以抓取網站哪些部分的說明。向 robots.txt 文件中添加規則時，請遵循以下準則：

● robots.txt 文件包含一個或多個組。

● 每個組由多條規則或指令（命令）組成，每條指令各占一行。每個組都以 User-agent 行開頭，該行指定了組適用的目標。

● 每個組包含以下信息：

* 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。

● 抓取工具會按從上到下的順序處理組。一個用戶代理只能匹配 1 個規則集（即與相應用戶代理匹配的比較早的最具體組）。

● 系統的默認假設是：用戶代理可以抓取所有未被 disallow 規則屏蔽的網頁或目錄。

● 規則區分大小寫。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，每個組需含一個或多個 User-agent 條目] 該指令指定了規則適用的自動客戶端（即搜索引擎抓取工具）的名稱。這是每個規則組的首行內容。Google 用戶代理列表中列出了 Google 用戶代理名稱。 使用星號 (*) 會匹配除各種 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: [每條規則需含至少一個或多個 disallow 或 allow 條目] 您不希望用戶代理抓取的目錄或網頁（相對于根網域而言）。如果規則引用了某個網頁，則必須提供瀏覽器中顯示的完整網頁名稱。它必須以 / 字符開頭；如果它引用了某個目錄，則必須以 / 標記結尾。

● allow: [每條規則需含至少一個或多個 disallow 或 allow 條目] 上文中提到的用戶代理可以抓取的目錄或網頁（相對于根網域而言）。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頁。對于單個網頁，請指定瀏覽器中顯示的完整網頁名稱。對于目錄，請用 / 標記結束規則。

● sitemap: [可選，每個文件可含零個或多個 sitemap 條目] 相應網站的站點地圖的位置。站點地圖網址必須是完全限定的網址；Google 不會假定存在或檢查是否存在 http、https、www、非 www 網址變體。站點地圖是一種用于指示 Google 應抓取哪些內容的理想方式，但并不用于指示 Google 可以抓取或不能抓取哪些內容。詳細了解站點地圖。 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、后綴或整個字符串。

與這些指令均不匹配的行將被忽略。

如需有關每個指令的完整說明，請參閱 Google 對 robots.txt 規范的解釋頁面。

上傳 robots.txt 文件

將 robots.txt 文件保存到計算機后，您便可以將其提供給搜索引擎抓取工具。沒有一個統一工具可以幫助您完成這項工作，因為如何將 robots.txt 文件上傳到網站取決于您的網站和服務器架構。請與您的托管公司聯系，或在托管公司的文檔中進行搜索；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 標記

要測試新上傳的 robots.txt 文件是否可公開訪問，請在瀏覽器中打開無痕瀏覽窗口（或等效窗口），然后轉到 robots.txt 文件的位置。例如：https://example.com/robots.txt。如果您看到 robots.txt 文件的內容，就可準備測試標記了。

Google 提供了兩種測試 robots.txt 標記的方式：

1、Search Console 中的 robots.txt 測試工具。您只能針對您網站上可供訪問的 robots.txt 文件使用此工具。

2、如果您是開發者，請了解并構建 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算機上本地測試 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 的抓取工具會自動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。

實用的 robots.txt 規則

下面是一些常見的實用 robots.txt 規則：

實用規則禁止抓取整個網站請注意，在某些情況下，Google 即使未抓取網站的網址，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容在目錄名后添加一道正斜線，即可禁止抓取整個目錄。禁止抓取的目錄字符串可以出現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 禁止訪問私密內容；請改用正確的身份驗證機制。對于 robots.txt 文件所禁止抓取的網址，Google 仍可能會在不進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，因此可能會泄露您的私密內容的位置。

User-agent: *
Disallow: /calendar/
Disallow: /junk/
Disallow: /books/fiction/contemporary/
僅允許某一抓取工具訪問網站內容只有 googlebot-news 可以抓取整個網站。
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站內容Unnecessarybot 不能抓取相應網站，所有其他漫游器都可以。
User-agent: Unnecessarybot
Disallow: /
User-agent: *
Allow: /禁止抓取某一網頁例如，禁止抓取 useless_file.Html 網頁。
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$禁止抓取整個網站，但允許 Mediapartners-Google 訪問內容實施此規則會阻止您的網頁顯示在搜索結果中，但 Mediapartners-Google 網頁抓取工具仍能分析這些網頁，以確定要向訪問您網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尾的網址例如，禁止抓取所有 .xls 文件。
User-agent: Googlebot
Disallow: /*.xls$

TAG：谷歌搜索引擎怎么優化