robots.txt 文件语法

 

最简单的 robots.txt 文件使用两条规则：

• User-agent ：应用以下规则的漫游器
• Disallow ：要拦截的网址

这两行会视为文件中的一个条目。您可根据需要加入任意多个条目。您可在一个条目中加入多个 Disallow 行和多个 User-agent。

robots.txt 文件的各个部分都是独立的，而不是在先前部分的基础上构建的。例如：

User-agent: *

Disallow: /文件夹 1/User-Agent: Googlebot

Disallow: /文件夹 2/

在本例中，只有符合 /文件夹 2/ 的网址才会被 Googlebot 禁止。

User-agent 和漫游器

User-agent 是一种特定的搜索引擎漫游器。网络漫游器数据库 列出了许多常用的漫游器。您可以将某一条目设置为适用于某一特定漫游器（以显示名称的方式列出）或适用于所有漫游器（以标记为星号的方式列出）。适用于所有漫游器的条目应为以下格式：

User-agent: *

Google 使用多种不同的漫游器 (User-agent)。我们的网页搜索所使用的漫游器为 Googlebot 。Googlebot-Mobile 和 Googlebot-Image 等其他漫游器也会遵循您为 Googlebot 所设置的规则，但您也可以为这些特定的漫游器设置特定的规则。

拦截 User-agent

Disallow 行列出的是您要拦截的网页。您可以列出某一特定的网址或模式。条目应以正斜线 (/) 开头。

• 要拦截整个网站 ，请使用正斜线。

  Disallow: /

• 要拦截某一目录以及其中的所有内容 ，请在目录名后添加正斜线。

  Disallow: /无用目录/ 

• 要拦截某个网页 ，请列出该网页。

  Disallow: /私人文件.html

• 要从 Google 图片中删除特定图片 ，请添加以下内容：

  User-agent: Googlebot-ImageDisallow: /图片/狗.jpg 

• 要从 Goo le 图片中 除您网站上的所有图片 ，请执行以下指令：

  User-agent: Googlebot-ImageDisallow: / 

• 要拦截某一特定文件类型的文件（例如 .gif） ，请使用以下内容：

  User-agent: Googlebot
  
  Disallow: /*.gif$

• 要阻止抓取您网站上的网页，而同时又能在这些网页上显示 Adsense 广告 ， 请禁止除 Mediapartners-Google 以外的所有漫游器。这样可使网页不出现在搜索结果中，同时又能让 Mediapartners-Google 漫游器分析网页，从而确定要展示的广告。Mediapartners-Google 漫游器不与其他 Google User-agent 共享网页。例如：

  User-agent: *
  
  Disallow: /
  
  
  
  User-agent: Mediapartners-Google
  
  Allow: /

请注意，指令区分大小写。例如，Disallow: /junk_file.asp 会拦截 http://www.example.com/junk_file.asp，却会允许 http://www.example.com/Junk_file.asp。Googlebot 会忽略 robots.txt 中的空白内容（特别是空行）和未知指令。

Googlebot 支持通过 robots.txt 文件提交站点地图文件 。

模式匹配

Googlebot（但并非所有搜索引擎）遵循某些模式匹配原则。

• 要匹配连续字符，请使用星号 (*)。 例如，要拦截对所有以 private 开头的子目录的访问，请使用以下内容：

  User-agent: Googlebot
  
  Disallow: /private*/

• 要拦截对所有包含问号 (?) 的网址的访问 （具体地说，这种网址以您的域名开头、后接任意字符串，然后接问号，而后又接任意字符串），请使用以下内容：

  User-agent: Googlebot
  
  Disallow: /*?

• 要指定与某个网址的结尾字符相匹配 ，请使用 $。例如，要拦截以 .xls 结尾的所有网址，请使用以下内容：

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

  您可将此模式匹配与 Allow 指令配合使用。例如，如果 ? 代表一个会话 ID，那么您可能希望排除包含 ? 的所有网址，以确保 Googlebot 不会抓取重复网页。但是以 ? 结尾的网址可能是您希望包含在内的网页的版本。在此情况下，您可以对您的 robots.txt 文件进行如下设置：

  User-agent: *
  
  Allow: /*?$
  
  Disallow: /*?

  Disallow: /*? 指令会阻止包含 ? 的所有网址（具体地说，它将拦截所有以您的域名开头、后接任意字符串，然后接问号，而后又接任意字符串的网址）。

  Allow: /*?$ 指令将允许以 ? 结尾的任何网址（具体地说，它将允许所有以您的域名开头、后接任意字符串，然后接 ?，? 之后不接任何字符的网址）。