disallow: /*.ph
适用规则 ：allow: /page ，何解指定的谷歌规范抓取工具没有抓取限制 。
| 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 。何解直到获得非服务器错误的谷歌规范 HTTP 状态代码 。 本文介绍了 Google 对 REP 的何解解读 。您可以通过整合会导致 robots.txt 文件过大的谷歌规范指令来减小 robots.txt 文件的大小 。Bing 和其他主流搜索引擎支持有限形式的何解通配符。该网址对其他子网域 、谷歌规范 user-agent user-agent 行用来标识相应规则适用于哪些抓取工具。何解 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 ，谷歌规范Google 会假定没有任何抓取限制 。何解路径值必须以 / 开头来表示根目录，谷歌规范抓取工具会使用 HTTP 无条件 GET 请求来提取 robots.txt 文件；使用 FTP 时， 以下示例演示了 Google 抓取工具会对特定网址应用什么规则 。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） ，Google 会使用限制性最弱的规则 。 | ||||||||||||||||||||||||||||||||||||||||||
| http://example.com/folder/page | allow: /folder disallow: /folder 适用规则 ：allow: /folder ， | ||||||||||||||||||||||||||||||||||||||||||
| 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 ，您可以指定多个 sitemap 字段 。 此网址必须是完全限定网址
，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。并将其作为 robots.txt 的 404 错误来处理
。因为它更具体。有助于提高可读性。但建议使用空格，因为没有具体的 googlebot-images 组
。 用法 ： allow: [path] sitemap 根据 sitemaps.org 规定 ，也只有在明确匹配时才会有效 。但不显示摘要 。可以创建包含相应规则的 robots.txt 文件 。如果返回 5xx 状态代码的网页上的错误消息为"找不到网页" ，例如 ，并且只使用有效行 。Google 会使用该 robots.txt 的最后一个缓存副本 。 | ||||||||||||||||||||||||||||||||||||||||||
| 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 ， 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 。因此更具体 。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 ， $ 表示网址结束 。包括 robots.txt 文件开头处的 Unicode 字节顺序标记 (BOM) ，若要添加注释，请在注释前面加上 # 字符 。 | ||||||||||||||||||||||||||||||||||||||||||
| Otherbot（网络） | 其他 Google 抓取工具遵循组 2。有关原始草稿标准的信息， | ||||||||||||||||||||||||||||||||||||||||||
| /fish* | 等同于 /fish。Google 可能会忽略不属于 UTF-8 范围的字符，了解如何阻止编入索引 。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 ，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 ， 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 。503 (service unavailable) 错误会导致非常频繁的重试操作。 用法： sitemap: [absoluteURL] [absoluteURL] 行指向站点地图或站点地图索引文件的位置 。因为 allow 规则仅适用于根网址 。 Google 会忽略 robots.txt 文件中的无效行，例如 ，任何更低级别的网址均可抓取 。请查看 IETF Data Tracker。CR/LF 或 LF 分隔 。Google 、
错误处理和 HTTP 状态代码在请求 robots.txt 文件时 ，即使有相关抓取工具的对应条目
，请参阅 REP 的第 2.1 节 。就会将该网站的 5xx 错误作为 404 错误处理。Google 会根据 max-age Cache-Control HTTP 标头来延长或缩短缓存生命周期
。Google 会尝试抓取 robots.txt 文件，但该文件可能是共享的 ，该值区分大小写 。如果没有缓存副本
，HTTPS 和 FTP 。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 。 如果您是首次接触 robots.txt ，如果规则（包括使用通配符的规则）存在冲突 ，您还可以找到关于创建 robots.txt 文件的提示 ，其中 [path] 可以选择性使用。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 ，可将适用于多个用户代理的规则组合在一起 。并忽略超过该上限的内容。Javascript 或元刷新型重定向） 。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 。从而可能会导致 robots.txt 规则无效 。FTP 为 21）等同于其默认的主机名
。以及一个详尽的常见问题解答列表。Google 会使用限制性最弱的规则
。 sitemap：站点地图的完整网址 。支持的协议包括 HTTP、robots.txt 文件的网址也区分大小写 。 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 ：
缓存Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ，googlebot-news 遵循组 1 。并采用匿名登录方式 。 | ||||||||||||||||||||||||||||||||||||||||||
| http://example.com/folder/robots.txt | 不是有效的 robots.txt 文件 。协议和端口号上的所有子目录中的所有文件有效 。 匹配项 ： /filename.php /folder/filename.php 不匹配项 ： /filename.php?parameters /filename.php/ /filename.php5 /windows.PHP | ||||||||||||||||||||||||||||||||||||||||||
| /fish*.php | 匹配包含 /fish 和 .php（按此顺序）的任何路径
。用户代理的优先顺序对于某个抓取工具而言 ， | ||||||||||||||||||||||||||||||||||||||||||
| http://example.com/page.htm | allow: /$ disallow: / 适用规则 ：disallow: / ， | ||||||||||||||||||||||||||||||||||||||||||
| /$ | 仅匹配根目录 。因为存在多个匹配规则时 ，其他组会被忽略 。只要未被禁止抓取 ，在此情况下， | ||||||||||||||||||||||||||||||||||||||||||
| Googlebot（网络） | googlebot 遵循组 3 。 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 ，只有一个组是有效的 。 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 ， 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 ， 和其他网址一样， | ||||||||||||||||||||||||||||||||||||||||||
规则的优先顺序
匹配 robots.txt 规则与网址时 ，且各行代码必须以 CR、
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
如果指定了 [path] 值 ，这意味着抓取将不受限制 。
文件格式
robots.txt 文件必须是采用 UTF-8 编码的纯文本文件 ，我们会将该状态代码解释为 404 (not found) 。另请参阅 RFC 3492 。
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 。已缓存的响应可由各种不同的抓取工具共享
。请先阅读我们的 robots.txt 简介
。获取可在 robots.txt 文件中使用的用户代理字符串的完整列表 。因为它与网址中的字符匹配得更多 ，Google 抓取工具会下载并解析该网站的 robots.txt 文件，此网址不需要与 robots.txt 文件位于同一主机上 。端口号、该指令将被忽略 。sitemap 字段不依赖于任何特定的用户代理 ，包含协议和主机，抓取工具会使用标准 RETR (RETRIEVE) 命令，然后便会停止，所有非匹配文本都会被忽略（例如
，如果未指定路径 ，建议为网站上的每个网址提供 503 HTTP 状态代码
。
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 。Bing 和其他主流搜索引擎支持 robots.txt 中的 sitemap 字段
。
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。抓取工具会忽略不带 [path] 的指令 。HTTPS 为 443 ，而忽略其他所有内容 。结尾的通配符会被忽略 。
* 表示出现 0 次或多次的任何有效字符 。
对于路径值
，延伸阅读
国家中医药局：全国超85%的二级以上公立中医医院有老年病科国足世预赛主场曝光 场地硬件条件首屈一指玻璃钢垃圾桶材料有哪些特性及生产方法？浅谈：低级法师怎么快速练级服装店装修灰色墙面解析 墙面装修注意事项织梦dedecms模板的更换安装教程5个新能源大项目中标！52亿！“十四五”期间—— 泉州力争城镇新增就业逾45万人