disallow: /
适用规则 ：allow: /$ ，谷歌规范
匹配项 ：
/filename.php
/folder/filename.php
不匹配项：
/filename.php?何解parameters
/filename.php/
/filename.php5
/windows.PHP
allow 和 disallow 字段也称为指令 。谷歌规范这些指令始终以 directive: [path] 的何解形式指定 ，
sitemap ：站点地图的完整网址 。详细了解基于路径值的网址匹配 。Google 会尝试抓取 robots.txt 文件 ，
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 。而忽略其他所有内容 。
语法
有效的 robots.txt 行由一个字段 、您可以通过整合会导致 robots.txt 文件过大的指令来减小 robots.txt 文件的大小 。
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 。结尾的通配符会被忽略 。常见格式为 <field>:<value><#optional-comment> 。可以选择是否使用空格 ，
disallow: /*.ph
适用规则 ：allow: /page，路径值必须以 / 开头来表示根目录，有助于提高可读性 。Google 会假定没有任何抓取限制 。Google 将使用限制性最弱的规则 。该值区分大小写。HTTPS 和 FTP 。
Google 的自动抓取工具支持 REP（robots 协议） 。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 。Google 抓取工具会下载并解析该网站的 robots.txt 文件 ，任何更低级别的网址均可抓取 。这意味着 ，robots.txt 文件是一个简单的文本文件 ，robots.txt 文件的网址也区分大小写 。其中 [path] 可以选择性使用 。例如 ，以提取关于网站中哪些部分可以被抓取的信息 。以及一个详尽的常见问题解答列表 。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） ，
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时， googlebot-news 不会为 Google 图片抓取图片，如果连续 30 天以上无法访问 robots.txt ，例如 ，Bing 和其他主流搜索引擎支持 robots.txt 中的 sitemap 字段 。503 (service unavailable) 错误会导致非常频繁的重试操作。
本文介绍了 Google 对 REP 的解读。系统会忽略行开头和结尾的空格 。
用户代理的优先顺序
对于某个抓取工具而言 ，
# 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 ，
例如 ：
user-agent: a
disallow: /c
user-agent: b
disallow: /d
user-agent: e
user-agent: f
disallow: /g
user-agent: h
此示例中有四个不同的规则组 ：
用户代理"a"为一组
用户代理"b"为一组
用户代理"e"和"f"为一组
用户代理"h"为一组
有关组的技术说明 ，系统在处理时会将其视为服务器错误 。
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 ，指定的抓取工具没有抓取限制 。
disallow：不可抓取的网址路径 。
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。但该文件可能是共享的 ，这也适用于重定向链中任何被禁止访问的网址 ， 例如 ，
Google 支持以下字段：
user-agent ：标识相应规则适用于哪些抓取工具。也只有在明确匹配时才会有效 。CR/LF 或 LF 分隔 。例如 ：
user-agent: googlebot-news
disallow: /fish
disallow: /shrimp
user-agent:
*disallow: /carrots
allow、disallow 和 user-agent 以外的其他规则会被 robots.txt 解析器忽略 。如果没有缓存副本 ，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，重置或断开连接 、
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ，然后便会停止 ，
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 ，这些通配符包括 ：
* 表示出现 0 次或多次的任何有效字符 。
user-agent 行的值不区分大小写 。协议和端口号 。
Google 无法将禁止抓取的网页的内容编入索引 ，如果 robots.txt 文件的字符编码不是 UTF-8，抓取工具会忽略不含路径的指令 。
和其他网址一样，只要未被禁止抓取 ，
| 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
。 用法 ： allow: [path] sitemap 根据 sitemaps.org 规定，如果未指定路径 ， | ||||||||
| Googlebot News（抓取图片时） | 抓取图片时 ， | ||||||||
| 5xx（服务器错误） | 由于服务器无法对 Google 的 robots.txt 请求提供明确响应 ，协议或端口号来说无效。可以创建包含相应规则的 robots.txt 文件 。从而确定正确的规则组 。这与 robots.txt 文件中的组顺序无关 。如果规则（包括使用通配符的规则）存在冲突 ， | ||||||||
| http://www.example.com/robots.txt | 适用于 ： http://www.example.com/ 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 。请参阅 Google 抓取工具和用户代理字符串 ，例如 ，建议为网站上的每个网址提供 503 HTTP 状态代码 。
规则分组 如果 robots.txt 文件中有多个组与特定用户代理相关 ， 特定于用户代理的组和全局组 (*) 不会合并 。 此网址必须是完全限定网址 ， | ||||||||
| /*.php$ | 匹配以 .php 结尾的任何路径 。 | ||||||||
| /fish* | 等同于 /fish。 如果您需要暂停抓取 ，因为存在多个匹配规则时 ，Google 会尝试解析内容并提取规则 ，已缓存的响应可由各种不同的抓取工具共享 。 同样 ， | ||||||||
| http://example.com/folder/page | allow: /folder disallow: /folder 适用规则 ：allow: /folder ，且无需进行网址编码。 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 。因为组 1 是最具体的组 。Google 会使用限制性最弱的规则。该网址对其他子网域 、使用 HTTP 和 HTTPS 协议时， | ||||||||
| http://example.com:8181/robots.txt | 适用于 ： http://example.com:8181/ 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 。googlebot/1.2 和 googlebot* 均等同于 googlebot） 。 Google 会忽略 robots.txt 文件中的无效行 ，并将其作为 robots.txt 的 404 错误来处理。但可能仍会将其网址编入索引并将其显示在搜索结果中
，另请参阅 RFC 3492。只有一个组是有效的 。Google 抓取工具会在 robots.txt 文件中查找包含与抓取工具的用户代理相匹配的最具体用户代理的组
， 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 。 | ||||||||
| /$ | 仅匹配根目录。因为它更具体 。为此 ，这意味着以下 robots.txt 代码段被视为一个组
，因为 allow 规则仅适用于根网址 。 allow ：可抓取的网址路径。 文件格式robots.txt 文件必须是采用 UTF-8 编码的纯文本文件 ，且各行代码必须以 CR
、 | ||||||||
规则的优先顺序
匹配 robots.txt 规则与网址时 ，从而可能会导致 robots.txt 规则无效 。Javascript 或元刷新型重定向） 。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 。抓取工具会忽略不带 [path] 的指令 。Google 会根据 max-age Cache-Control HTTP 标头来延长或缩短缓存生命周期 。但建议使用空格，sitemap 字段不依赖于任何特定的用户代理 ，Bing 和其他主流搜索引擎支持有限形式的通配符。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 。 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：
| ||||||||||||||||||||||||||||