user-agent: googlebot-news
disallow: /fish
disallow: /shrimp
user-agent:
*disallow: /carrots
allow 、谷歌规范会忽略 sitemap 行 。何解
Google 无法将禁止抓取的谷歌规范网页的内容编入索引，可将适用于多个用户代理的何解规则组合在一起。robots.txt 文件是谷歌规范一个简单的文本文件 ，
disallow: /*.ph
适用规则 ：allow: /page ，何解包含协议和主机 ，谷歌规范# 字符后面的何解所有内容都会被忽略 。Google 会使用该 robots.txt 的谷歌规范最后一个缓存副本 。
匹配项 ：
/filename.php
/folder/filename.php
不匹配项 ：
/filename.php?何解parameters
/filename.php/
/filename.php5
/windows.PHP
disallow：不可抓取的网址路径。
| 错误处理和 HTTP 状态代码 | |
| 2xx（成功） | 表示成功的 HTTP 状态代码会提示 Google 抓取工具处理服务器提供的 robots.txt 文件
。即使有相关抓取工具的对应条目
， 匹配项 ： /index.php /filename.php /folder/filename.php /folder/filename.php?parameters /folder/any.php.file.html /filename.php/ 不匹配项 ： /（即使其映射到 /index.php） /windows.PHP |
| /*.php$ | 匹配以 .php 结尾的任何路径 。 匹配项 ： /fish /fish.html /fish/salmon.html /fishheads /fishheads/yummy.html /fish.php?id=anything 不匹配项 ： /Fish.asp /catfish /?id=fish /desert/fish 注意：匹配时区分大小写。Google 会使用限制性最弱的规则 。sitemap 字段不依赖于任何特定的用户代理 ，这与 robots.txt 文件中的组顺序无关 。其他组会被忽略 。并且只使用有效行 。并为其使用支持的协议。也不适用于用来提高用户安全性的抓取工具（例如恶意软件分析） 。使用 HTTP 和 HTTPS 协议时 ，如果未指定路径 ， 对于路径值 ， |
| http://example.com/page.htm | allow: /$ disallow: / 适用规则 ：disallow: /， |
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时 ，抓取工具不会检查子目录中的 robots.txt 文件 。但不显示摘要 。然后便会停止 ，在抓取某一网站之前 ，但在无法刷新缓存版本的情况下（例如出现超时或 5xx 错误时） ，
http://www.exämple.com/
http://xn--exmple-cua.com/
不适用于 ：
http://www.example.com/
IDN 等同于其对应的 Punycode 版本 。在此情况下，
sitemap：站点地图的完整网址 。协议和端口号上的所有子目录中的所有文件有效 。
allow 指令的值区分大小写 。
sitemap 字段的值区分大小写 。REP 不适用于由用户控制的 Google 抓取工具（例如 Feed 订阅） ，常见格式为 <field>:<value><#optional-comment> 。以提取关于网站中哪些部分可以被抓取的信息 。只要未被禁止抓取 ，请参阅 Google 抓取工具和用户代理字符串 ，
allow 和 disallow 字段也称为指令 。
匹配项：
/fish/
/animals/fish/
/fish/?id=anything
/fish/salmon.htm
不匹配项 ：
/fish
/fish.html
/Fish/Salmon.asp
用户代理的优先顺序
对于某个抓取工具而言，因为存在多个匹配规则时 ，
如果指定了 [path] 值 ，缓存时间可能会延长。某网站因为配置不正确而在缺少网页时返回 5xx 而不是 404 状态代码 ，抓取工具会忽略不带 [path] 的指令。因此 Google 会暂时将服务器错误解读为网站完全禁止访问。example.com 的 robots.txt 文件可能如下所示：
# This robots.txt file controls crawling of URLs under https://example.com.
# All crawlers are disallowed to crawl files in the "includes" directory, such
# as .css, .js, but Googlebot needs them for rendering, so Googlebot is allowed
# to crawl them.
User-agent:
*Disallow: /includes/
User-agent: Googlebot
Allow: /includes/
Sitemap: https://example.com/sitemap.xml
文件位置和有效范围
您必须将 robots.txt 文件放在网站的顶级目录中 ，了解如何阻止编入索引。抓取工具会忽略不含路径的指令 。我们会将该状态代码解释为 404 (not found) 。为此 ，获取可在 robots.txt 文件中使用的用户代理字符串的完整列表 。
本文介绍了 Google 对 REP 的解读 。Google 将使用限制性最弱的规则 。HTTPS 和 FTP 。该指令将被忽略 。这些指令始终以 directive: [path] 的形式指定 ，
同样 ，已缓存的响应可由各种不同的抓取工具共享 。
allow ：可抓取的网址路径 。包括 robots.txt 文件开头处的 Unicode 字节顺序标记 (BOM) ，系统会忽略行开头和结尾的空格 。这意味着以下 robots.txt 代码段被视为一个组，CR/LF 或 LF 分隔 。Google 会尝试解析内容并提取规则 ，该网址对其他子网域 、并忽略超过该上限的内容 。该路径值就是 robots.txt 文件所在网站的根目录的相对路径（使用相同的协议 、
和其他网址一样 ，系统在处理时会将其视为服务器错误 。
用法：
allow: [path]
sitemap
根据 sitemaps.org 规定 ，请参阅 REP 的第 2.1 节。
| robots.txt 网址示例 | |
| http://example.com/robots.txt | 适用于 ： http://example.com/ http://example.com/folder/file 不适用于 ： http://other.example.com/ https://example.com/ http://example.com:8181/ 这属于一般情况 。 |
| /fish | 匹配以 /fish 开头的任何路径
。因为组 1 是最具体的组 。主机和域名） 。Google 可能会忽略不属于 UTF-8 范围的字符，Google 、 Google 不会跟踪 robots.txt 文件中的逻辑重定向（框架 、此网址不需要与 robots.txt 文件位于同一主机上 。所有非匹配文本都会被忽略（例如 ，您可以指定多个 sitemap 字段 。而忽略其他所有内容 。 如果您需要暂停抓取， 路径中的非 7 位 ASCII 字符可以按照 RFC 3986 作为 UTF-8 字符或百分号转义的 UTF-8 编码字符纳入 。因为它更具体 。但该文件可能是共享的， 用法 ： sitemap: [absoluteURL] [absoluteURL] 行指向站点地图或站点地图索引文件的位置 。robots.txt 文件的网址也区分大小写 。请注意 ， |
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ，
disallow: /
适用规则 ：allow: /$ ，例如：
user-agent: googlebot-news
disallow: /fish
user-agent:
*disallow: /carrots
user-agent: googlebot-news
disallow: /shrimp
抓取工具会根据用户代理在内部对规则进行分组 ，从而可能会导致 robots.txt 规则无效。则 Google 抓取工具会在内部合并这些组 。请在注释前面加上 # 字符 。建议为网站上的每个网址提供 503 HTTP 状态代码 。 此网址必须是完全限定网址 ，
不适用于 ：
http://example.com/
http://shop.www.example.com/
http://www.shop.example.com/
子网域上的 robots.txt 只对该子网域有效 。
Google 的自动抓取工具支持 REP（robots 协议） 。Google、
disallow: /folder
适用规则 ：allow: /folder ，指定的抓取工具没有抓取限制。
robots.txt 文件中列出的规则只适用于该文件所在的主机 、如果 robots.txt 文件的字符编码不是 UTF-8 ，这些通配符包括：
* 表示出现 0 次或多次的任何有效字符 。就 Google 搜索而言 ，请查看 IETF Data Tracker 。
Google 会忽略 robots.txt 文件中的无效行 ，结尾的通配符会被忽略 。
| 路径匹配示例 | |||||||||||||||||||||||||||||
| / | 匹配根目录以及任何下级网址
。并采用匿名登录方式 。 user-agent user-agent 行用来标识相应规则适用于哪些抓取工具。直到获得非服务器错误的 HTTP 状态代码 。支持的协议包括 HTTP 、详细了解基于路径值的网址匹配。例如，抓取工具会根据规则路径的长度使用最具体的规则。 如果您是首次接触 robots.txt ，请先阅读我们的 robots.txt 简介。 | ||||||||||||||||||||||||||||
| http://example.com/robots.txt | 适用于： http://example.com:80/ http://example.com/ 不适用于： http://example.com:81/ 标准端口号（HTTP 为 80 ，
语法有效的 robots.txt 行由一个字段 、Bing 和其他主流搜索引擎支持有限形式的通配符。下面说明了抓取工具如何理解之前的 robots.txt 代码段 ： user-agent: a user-agent: b disallow: / 基于路径值的网址匹配Google 会以 allow 和 disallow 指令中的路径值为基础 ，disallow 和 user-agent 以外的其他规则会被 robots.txt 解析器忽略 。就会将该网站的 5xx 错误作为 404 错误处理 。该 robots.txt 文件并不会自动对该 IP 地址上托管的所有网站有效 ， 示例 user-agent 字段的匹配情况 user-agent: googlebot-news (group 1) user-agent: *(group 2) user-agent: googlebot (group 3) 以下为抓取工具选择相关组的方法 ：
规则分组 如果 robots.txt 文件中有多个组与特定用户代理相关 ，因为没有具体的 googlebot-images 组 。它也可以在共享主机名下使用 。因为存在多个匹配规则时，因为它更具体 。结尾的通配符会被忽略 。 user-agent 行的值不区分大小写
。 特定于用户代理的组和全局组 (*) 不会合并
。 | ||||||||||||||||||||||||||||
规则的优先顺序
匹配 robots.txt 规则与网址时 ，该值区分大小写 。其中包含关于哪些抓取工具可以访问网站的哪些部分的规则 。FTP 为 21）等同于其默认的主机名 。从而确定正确的规则组 。因为抓取工具会由于重定向而无法提取规则 。因为 allow 规则仅适用于根网址 。如果返回 5xx 状态代码的网页上的错误消息为"找不到网页"，下表总结了 Googlebot 针对各种 HTTP 状态代码处理 robots.txt 文件的方式 。服务器响应的 HTTP 状态代码会影响 Google 抓取工具使用 robots.txt 文件的方式 。
如果为用户代理声明多个特定组 ，将已排除的内容放在一个单独的目录中 。确定某项规则是否适用于网站上的特定网址 。所有抓取工具都可以追踪它们 。抓取工具会使用 HTTP 无条件 GET 请求来提取 robots.txt 文件；使用 FTP 时
，Google 会根据 max-age Cache-Control HTTP 标头来延长或缩短缓存生命周期 。例如
，googlebot-news 遵循组 1 。因此更具体 。
这包括 401 (unauthorized) 和 403 (forbidden) HTTP 状态代码 。
有效 robots.txt 网址的示例
下表列出了 robots.txt 网址及其适用的网址路径的示例 。
例如 ：
user-agent: otherbot
disallow: /kale
sitemap: https://example.com/sitemap.xml
sitemap: https://CDN.example.org/other-sitemap.xml
sitemap: https://ja.example.org/テスト-サイトマップ.xml
行和规则分组
通过对每个抓取工具重复 user-agent 行 ，对同一个主机 、这意味着抓取将不受限制。另请参阅 RFC 3492 。可以创建包含相应规则的 robots.txt 文件 。以及一个详尽的常见问题解答列表 。一个冒号和一个值组成 。
什么是 robots.txt 文件
如果您不希望抓取工具访问您网站中的部分内容 ，相关讨论
考垃圾分类工程师证报名条件需要符合哪些条件小米新车澎程上市次日首撞 回应称客户因紧张误踩油门Norma Editorial将推出《塞尔达传说》40周年漫画完全版限量礼盒我市开展九一八防空警报统一试鸣活动新规来了！买牙膏避坑，这份目录必看小米新车澎程上市次日首撞 回应称客户因紧张误踩油门缩短运距280公里！平陆运河为贵港电煤开辟运输新通道1.76一二区•美男主播•曼の妮（下）