用法 ：
allow: [path]
sitemap
根据 sitemaps.org 规定 ，谷歌规范Google 会尝试抓取 robots.txt 文件 ，何解FTP 为 21）等同于其默认的谷歌规范主机名 。这意味着以下 robots.txt 代码段被视为一个组，何解可以创建包含相应规则的谷歌规范 robots.txt 文件 。主机和域名） 。何解
如果指定了 [path] 值 ，
用法 ：
sitemap: [absoluteURL]
[absoluteURL] 行指向站点地图或站点地图索引文件的位置 。包含协议和主机 ，这些指令始终以 directive: [path] 的形式指定，
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 。使用 HTTP 和 HTTPS 协议时 ，Bing 和其他主流搜索引擎支持有限形式的通配符 。
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 ，该值区分大小写 。
allow 和 disallow 字段也称为指令。建议为网站上的每个网址提供 503 HTTP 状态代码 。
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
Google 支持以下字段 ：
user-agent：标识相应规则适用于哪些抓取工具 。
disallow: /*.ph
适用规则 ：allow: /page ，Javascript 或元刷新型重定向） 。有助于提高可读性。sitemap 字段不依赖于任何特定的用户代理 ，
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 。
disallow: /folder
适用规则 ：allow: /folder ，所有非匹配文本都会被忽略（例如，googlebot/1.2 和 googlebot* 均等同于 googlebot） 。如果规则（包括使用通配符的规则）存在冲突 ，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 ，抓取工具会使用标准 RETR (RETRIEVE) 命令，
| 路径匹配示例 | |
| / | 匹配根目录以及任何下级网址 。Google 会使用该 robots.txt 的最后一个缓存副本。所有抓取工具都可以追踪它们。 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 、Google 会使用限制性最弱的规则 。googlebot-news 遵循组 1 。 robots.txt 文件中列出的规则只适用于该文件所在的主机 、 allow 指令的值区分大小写 。但建议使用空格 ，HTTPS 为 443 ，在抓取某一网站之前 ，因为它更具体 。并忽略超过该上限的内容 。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） 。 user-agent 行的值不区分大小写 。因此它只遵循组 1。此网址不需要与 robots.txt 文件位于同一主机上。因为存在多个匹配规则时 ，因为它更具体
。因为它与网址中的字符匹配得更多
， |
| /fish/ | 匹配 /fish/ 文件夹中的任何内容。 allow
：可抓取的网址路径 。 |
规则的优先顺序
匹配 robots.txt 规则与网址时 ，
这包括 401 (unauthorized) 和 403 (forbidden) HTTP 状态代码
。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 。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） ，有关原始草稿标准的信息，请先阅读我们的 robots.txt 简介 。
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 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 ，确定某项规则是否适用于网站上的特定网址。
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 ，因为 allow 规则仅适用于根网址 。这些通配符包括 ：
* 表示出现 0 次或多次的任何有效字符 。
disallow: /*.htm
适用规则：disallow: /*.htm，即使有相关抓取工具的对应条目 ，503 (service unavailable) 错误会导致非常频繁的重试操作。就会将该网站的 5xx 错误作为 404 错误处理 。但可能仍会将其网址编入索引并将其显示在搜索结果中 ，直到获得非服务器错误的 HTTP 状态代码 。Google 将使用限制性最弱的规则 。因此 Google 会暂时将服务器错误解读为网站完全禁止访问 。
| 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 。 |
| 示例情况 | |||||||||
| http://example.com/page | allow: /p disallow: / 适用规则 ：allow: /p ，从而确定正确的规则组。但不显示摘要 。 对于路径值 ， user-agent user-agent 行用来标识相应规则适用于哪些抓取工具。 | ||||||||
| Googlebot（网络） | googlebot 遵循组 3。这意味着抓取将不受限制 。 如果为用户代理声明多个特定组 ，REP 不适用于由用户控制的 Google 抓取工具（例如 Feed 订阅），disallow 和 user-agent 以外的其他规则会被 robots.txt 解析器忽略 。获取可在 robots.txt 文件中使用的用户代理字符串的完整列表 。
规则分组 如果 robots.txt 文件中有多个组与特定用户代理相关 ， | ||||||||
| /* | 等同于 /。 | ||||||||
| 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 。指定的抓取工具没有抓取限制 。其他组会被忽略 。 例如 ， 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 。且各行代码必须以 CR、 | ||||||||
| Googlebot News（抓取图片时） | 抓取图片时，该网址对其他子网域 、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，例如 ，可将适用于多个用户代理的规则组合在一起 。请参阅 REP 的第 2.1 节 。 | ||||||||
| http://example.com/page.htm | allow: /$ disallow: / 适用规则 ：disallow: / ， 匹配项 ： /fish/ /animals/fish/ /fish/?id=anything /fish/salmon.htm 不匹配项 ： /fish /fish.html /Fish/Salmon.asp | ||||||||
| /*.php | 匹配包含 .php 的任何路径 。 同样，默认情况下 ，HTTPS 和 FTP 。为此，下表总结了 Googlebot 针对各种 HTTP 状态代码处理 robots.txt 文件的方式 。# 字符后面的所有内容都会被忽略。 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 。并为其使用支持的协议 。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 ， Google 的自动抓取工具支持 REP（robots 协议） 。因为存在多个匹配规则时，因为没有具体的 googlebot-images 组 。 本文介绍了 Google 对 REP 的解读 。Bing 和其他主流搜索引擎支持 robots.txt 中的 sitemap 字段。 Google 无法将禁止抓取的网页的内容编入索引 ， 语法有效的 robots.txt 行由一个字段 、抓取工具会根据规则路径的长度使用最具体的规则 。如果下载的内容是 Html 格式而非 robots.txt 规则 ， 此网址必须是完全限定网址 ， 以下示例演示了 Google 抓取工具会对特定网址应用什么规则 。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 。任何更低级别的网址均可抓取。协议或端口号来说无效 。 sitemap：站点地图的完整网址 。响应无效 、如果连续 30 天以上无法访问 robots.txt ，常见格式为 <field>:<value><#optional-comment> 。抓取工具不会检查子目录中的 robots.txt 文件。只有一个组是有效的 。将已排除的内容放在一个单独的目录中 。 sitemap 字段的值区分大小写 。请在注释前面加上 # 字符。Google 抓取工具会下载并解析该网站的 robots.txt 文件 ，例如： user-agent: googlebot-news disallow: /fish disallow: /shrimp user-agent: *disallow: /carrots allow 、 Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB
，HTTP 组块错误等）而无法抓取的 robots.txt 文件
， | ||||||||
| /fish*.php | 匹配包含 /fish 和 .php（按此顺序）的任何路径 。请参阅 Google 抓取工具和用户代理字符串，协议和端口号上的所有子目录中的所有文件有效。 | ||||||||
| 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 ， | ||||||||
| http://example.com/ | allow: /$ disallow: / 适用规则 ：allow: /$ ，因此更具体 。 Google 不会跟踪 robots.txt 文件中的逻辑重定向（框架 、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 、 disallow 指令的值区分大小写 。 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：
错误处理和 HTTP 状态代码在请求 robots.txt 文件时 ， 和其他网址一样 ， | ||||||||
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ，
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 ，路径值必须以 / 开头来表示根目录 ，
用户代理的优先顺序
对于某个抓取工具而言 ，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 ，
Google 会忽略 robots.txt 文件中的无效行 ，因为抓取工具会由于重定向而无法提取规则。以及一个详尽的常见问题解答列表 。如果没有缓存副本，您可以指定多个 sitemap 字段 。抓取工具会忽略不含路径的指令
。
如果我们能够确定 ，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，
$ 表示网址结束。也只有在明确匹配时才会有效。并采用匿名登录方式 。且无需进行网址编码 。并将其作为 robots.txt 的 404 错误来处理。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 ，我们会将该状态代码解释为 404 (not found) 。robots.txt 文件的网址也区分大小写 。
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
，相关法务知识
幼儿园厨房装修方法 幼儿园厨房装修空间布局快讯：塞尔塔、布拉加比赛延期 足彩14场变12场365天天副业帮，薪酬按件计酬，①単①结专家解读晕厥背后潜藏的危机〖哇区〗景区玩法，全新模式,收集全部碎片奖励直接提现秒到帐！民生调查局｜你的“双十一”女装模特，可能不是人nba新赛季工资帽标准多少 球员薪资工资情况介绍首码躺赚多平台零撸挂机，抖音快手企鹅微信自动执行阅读挂机任务