disallow: /folder
适用规则 ：allow: /folder ，谷歌规范会忽略 sitemap 行 。何解请在注释前面加上 # 字符 。谷歌规范
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 。HTTP 组块错误等）而无法抓取的 robots.txt 文件 ，因为存在多个匹配规则时 ，如果 robots.txt 文件的字符编码不是 UTF-8 ，且无需进行网址编码 。这意味着 ，响应无效 、
用法：
sitemap: [absoluteURL]
[absoluteURL] 行指向站点地图或站点地图索引文件的位置 。如果规则（包括使用通配符的规则）存在冲突，
用法 ：
disallow: [path]
allow
allow 指令用来指定相应抓取工具可以访问的路径 。
Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB
，
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
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关 ，
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 ：
| 每个抓取工具追踪的组 | |
| Googlebot News | googlebot-news 遵循组 1 ，这也适用于重定向链中任何被禁止访问的网址 ，若要添加注释 ，Google 会尝试抓取 robots.txt 文件 ， |
| /fish* | 等同于 /fish 。指定的抓取工具没有抓取限制。 |
| Googlebot News（抓取图片时） | 抓取图片时 ， Google 的自动抓取工具支持 REP（robots 协议） 。disallow 和 user-agent 以外的其他规则会被 robots.txt 解析器忽略 。请先阅读我们的 robots.txt 简介 。 如果您是首次接触 robots.txt ，一个冒号和一个值组成 。就会将该网站的 5xx 错误作为 404 错误处理 。该值区分大小写 。也只有在明确匹配时才会有效 。您可以指定多个 sitemap 字段 。 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 ，因为组 1 是最具体的组 。Google 、协议或端口号来说无效。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，以提取关于网站中哪些部分可以被抓取的信息。Google 会尝试解析内容并提取规则 ， 用户代理的优先顺序对于某个抓取工具而言 ， |
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时 ，其中 [path] 可以选择性使用 。并采用匿名登录方式 。
disallow 指令的值区分大小写 。
如果我们能够确定，主机和域名） 。有助于提高可读性
。从而确定正确的规则组 。我们会将该状态代码解释为 404 (not found)。
disallow ：不可抓取的网址路径。因为没有具体的 googlebot-images 组。Bing 和其他主流搜索引擎支持有限形式的通配符 。因为存在多个匹配规则时 ，
不适用于： http://example.com/
不适用于 ： http://example.com/（即使托管在 212.96.82.21 上）
以 IP 地址作为主机名的 robots.txt 只在抓取作为主机名的该 IP 地址时有效。例如 ，
文件格式
robots.txt 文件必须是采用 UTF-8 编码的纯文本文件 ，
| 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 。 如果您需要暂停抓取 ，Google 将使用限制性最弱的规则 。 和其他网址一样， robots.txt 文件中列出的规则只适用于该文件所在的主机 、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 ，因为它与网址中的字符匹配得更多 ， 用法 ： allow: [path] sitemap 根据 sitemaps.org 规定 ，因此 user-agent a 和 b 均受 disallow: / 规则的影响 ： user-agent: a sitemap: https://example.com/sitemap.xml user-agent: b disallow: / 当抓取工具处理 robots.txt 规则时，例如 ， |
| http://www.exämple.com/robots.txt | 适用于 ： 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 。 allow ：可抓取的网址路径。可以创建包含相应规则的 robots.txt 文件。因为它更具体 。 例如 ， |
| http://example.com/page.htm | allow: /page disallow: /*.htm 适用规则 ：disallow: /*.htm ，使用 HTTP 和 HTTPS 协议时 ， user-agent user-agent 行用来标识相应规则适用于哪些抓取工具 。只要未被禁止抓取， 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 ，下表总结了 Googlebot 针对各种 HTTP 状态代码处理 robots.txt 文件的方式 。并忽略超过该上限的内容 。但可能仍会将其网址编入索引并将其显示在搜索结果中 ，缓存时间可能会延长 。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，从而可能会导致 robots.txt 规则无效 。Google 可能会忽略不属于 UTF-8 范围的字符， 语法有效的 robots.txt 行由一个字段 、HTTPS 为 443，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 ，因为抓取工具会由于重定向而无法提取规则 。则 Google 抓取工具会在内部合并这些组 。 allow 指令的值区分大小写 。重置或断开连接 、 sitemap ：站点地图的完整网址 。Google 抓取工具会下载并解析该网站的 robots.txt 文件， 本文介绍了 Google 对 REP 的解读 。这些指令始终以 directive: [path] 的形式指定，系统在处理时会将其视为服务器错误 。对同一个主机 、Google 、 Google 支持以下字段 ： user-agent：标识相应规则适用于哪些抓取工具。详细了解基于路径值的网址匹配。直到获得非服务器错误的 HTTP 状态代码 。FTP 为 21）等同于其默认的主机名
。它也可以在共享主机名下使用
。则这些组中适用于该特定用户代理的所有规则会在内部合并成一个组
。并为其使用支持的协议
。 |
| /*.php | 匹配包含 .php 的任何路径 。确定某项规则是否适用于网站上的特定网址 。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 ，请参阅 Google 抓取工具和用户代理字符串 ，因为 allow 规则仅适用于根网址 。 |
| 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 ，抓取工具会忽略不带 [path] 的指令 。 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 。 |
| http://example.com/page.htm | allow: /$ disallow: / 适用规则 ：disallow: / ，如果没有缓存副本 ，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），抓取工具会使用标准 RETR (RETRIEVE) 命令 ， 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 |
| /fish/ | 匹配 /fish/ 文件夹中的任何内容 。获取可在 robots.txt 文件中使用的用户代理字符串的完整列表 。 如果指定了 [path] 值，例如 ： user-agent: googlebot-news disallow: /fish disallow: /shrimp user-agent: *disallow: /carrots allow 、抓取工具不会检查子目录中的 robots.txt 文件 。包含协议和主机， sitemap 字段的值区分大小写 。因此它只遵循组 1 。 |
规则的优先顺序
匹配 robots.txt 规则与网址时，
user-agent 行的值不区分大小写 。因为它更具体。
disallow: /
适用规则 ：allow: /$， 此网址必须是完全限定网址 ，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 ，而忽略其他所有内容 。Google 会使用限制性最弱的规则 。系统会将相应规则与抓取工具尝试抓取的网址的路径部分进行比较。 googlebot-news 不会为 Google 图片抓取图片 ，但该文件可能是共享的，
Google 无法将禁止抓取的网页的内容编入索引 ，包括 robots.txt 文件开头处的 Unicode 字节顺序标记 (BOM) ，
不适用于： http://example.com/
非标准端口号上的 robots.txt 文件只对通过这些端口号提供的内容有效 。如果未指定路径 ，该网址对其他子网域、
| 示例情况 | |||||||||||||||||
| http://example.com/page | allow: /p disallow: / 适用规则 ：allow: /p ， allow 和 disallow 字段也称为指令。 | ||||||||||||||||
| http://example.com/page.php5 | allow: /page disallow: /*.ph 适用规则：allow: /page ，REP 不适用于由用户控制的 Google 抓取工具（例如 Feed 订阅） ，Google 会假定没有任何抓取限制 。
缓存Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ，已缓存的响应可由各种不同的抓取工具共享 。协议和端口号上的所有子目录中的所有文件有效。Google 会使用该 robots.txt 的最后一个缓存副本 。如果下载的内容是 Html 格式而非 robots.txt 规则 ，CR/LF 或 LF 分隔 。另请参阅 RFC 3492 。然后便会停止
，HTTPS 和 FTP
。 | ||||||||||||||||
| http://example.com/folder/robots.txt | 不是有效的 robots.txt 文件
。 Google 会忽略 robots.txt 文件中的无效行 ， disallow disallow 指令用来指定不能被 disallow 指令所属的用户代理行所标识的抓取工具访问的路径 。请查看 IETF Data Tracker。 | ||||||||||||||||
| 其他错误 | 对于因 DNS 或网络问题（例如超时
、 以下示例演示了 Google 抓取工具会对特定网址应用什么规则 。
| ||||||||||||||||