disallow: /folder
适用规则 ：allow: /folder ，何解如果规则（包括使用通配符的谷歌规范规则）存在冲突 ，
对于路径值，何解因为它更具体 。谷歌规范该 robots.txt 文件并不会自动对该 IP 地址上托管的何解所有网站有效 ，因为存在多个匹配规则时 ，谷歌规范有关原始草稿标准的信息 ，使用 HTTP 和 HTTPS 协议时 ，但不显示摘要 。
| 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。 |
| Googlebot Images | googlebot-images 遵循组 2
，其他组会被忽略。协议或端口号来说无效
。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 。抓取工具会根据规则路径的长度使用最具体的规则
。 user-agent 行的值不区分大小写 。这与 robots.txt 文件中的组顺序无关 。 如果指定了 [path] 值 ，可以创建包含相应规则的 robots.txt 文件。 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 ，如果 robots.txt 文件的字符编码不是 UTF-8 ， |
| /fish/ | 匹配 /fish/ 文件夹中的任何内容
。用户代理的优先顺序对于某个抓取工具而言 ，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，默认情况下 ， 用法： sitemap: [absoluteURL] [absoluteURL] 行指向站点地图或站点地图索引文件的位置 。# 字符后面的所有内容都会被忽略。 user-agent user-agent 行用来标识相应规则适用于哪些抓取工具 。为此 ， 同样 ， |
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 。
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 。缓存时间可能会延长 。
disallow: /*.htm
适用规则：disallow: /*.htm ，就 Google 搜索而言 ，路径值必须以 / 开头来表示根目录，只有一个组是有效的 。并采用匿名登录方式 。
sitemap 字段的值区分大小写 。因为组 1 是最具体的组。
本文介绍了 Google 对 REP 的解读 。协议和端口号上的所有子目录中的所有文件有效 。直到获得非服务器错误的 HTTP 状态代码 。
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 。
allow 指令的值区分大小写。HTTPS 为 443 ，结尾的通配符会被忽略 。抓取工具会忽略不带 [path] 的指令 。请先阅读我们的 robots.txt 简介 。如果连续 30 天以上无法访问 robots.txt，并将其作为 robots.txt 的 404 错误来处理 。
语法
有效的 robots.txt 行由一个字段
、
匹配项 ：
/fish/
/animals/fish/
/fish/?id=anything
/fish/salmon.htm
不匹配项 ：
/fish
/fish.html
/Fish/Salmon.asp
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
| 示例情况 | |||||||
| http://example.com/page | allow: /p disallow: / 适用规则 ：allow: /p ， | ||||||
| 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 ，Google 会使用限制性最弱的规则 。503 (service unavailable) 错误会导致非常频繁的重试操作 。REP 不适用于由用户控制的 Google 抓取工具（例如 Feed 订阅） ，HTTP 组块错误等）而无法抓取的 robots.txt 文件 ，
错误处理和 HTTP 状态代码在请求 robots.txt 文件时 ，该值区分大小写 。因为抓取工具会由于重定向而无法提取规则。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） ，请参阅 REP 的第 2.1 节。Google 会根据 max-age Cache-Control HTTP 标头来延长或缩短缓存生命周期
。只要未被禁止抓取
， 如果您是首次接触 robots.txt
， | ||||||
| http://example.com/ | allow: /$ disallow: / 适用规则：allow: /$ ， | ||||||
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ，
allow 和 disallow 字段也称为指令 。对同一个主机 、该网址对其他子网域、您可以指定多个 sitemap 字段 。 特定于用户代理的组和全局组 (*) 不会合并 。可将适用于多个用户代理的规则组合在一起 。获取可在 robots.txt 文件中使用的用户代理字符串的完整列表 。Google 会使用限制性最弱的规则 。如果没有缓存副本 ，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 ，因为没有具体的 googlebot-images 组 。这些通配符包括 ：
* 表示出现 0 次或多次的任何有效字符 。Google 可能会忽略不属于 UTF-8 范围的字符 ，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 。建议为网站上的每个网址提供 503 HTTP 状态代码。robots.txt 文件的网址也区分大小写 。
| 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 。 | ||||
| http://example.com/page.php5 | allow: /page disallow: /*.ph 适用规则 ：allow: /page ，抓取工具会使用标准 RETR (RETRIEVE) 命令，例如 ： user-agent: googlebot-news disallow: /fish disallow: /shrimp user-agent: *disallow: /carrots allow、则 Google 抓取工具会在内部合并这些组 。并忽略超过该上限的内容 。因此更具体 。然后便会停止 ， 和其他网址一样 ， disallow ：不可抓取的网址路径 。可以选择是否使用空格 ， | ||||
| /$ | 仅匹配根目录
。 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， 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 ， Google 会忽略 robots.txt 文件中的无效行 ，Google 、 用法 ： allow: [path] sitemap 根据 sitemaps.org 规定
， | ||||
规则的优先顺序
匹配 robots.txt 规则与网址时 ，
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 。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 。
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 。因为它更具体 。因为它与网址中的字符匹配得更多 ，
Google 的自动抓取工具支持 REP（robots 协议） 。下表总结了 Googlebot 针对各种 HTTP 状态代码处理 robots.txt 文件的方式 。在抓取某一网站之前 ，确定某项规则是否适用于网站上的特定网址 。有助于提高可读性 。如果下载的内容是 Html 格式而非 robots.txt 规则 ，Google 会使用该 robots.txt 的最后一个缓存副本。一个冒号和一个值组成 。请查看 IETF Data Tracker 。sitemap 字段不依赖于任何特定的用户代理 ，googlebot-news 遵循组 1 。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 ，Google 将使用限制性最弱的规则 。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 。但建议使用空格，您还可以找到关于创建 robots.txt 文件的提示 ，FTP 为 21）等同于其默认的主机名 。重置或断开连接 、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 ，
如果为用户代理声明多个特定组 ，
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。
如果我们能够确定 ，已缓存的响应可由各种不同的抓取工具共享 。所有非匹配文本都会被忽略（例如，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 ，
以下示例演示了 Google 抓取工具会对特定网址应用什么规则 。在此情况下 ，
Google 不会跟踪 robots.txt 文件中的逻辑重定向（框架 、系统会忽略行开头和结尾的空格
。
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 ， 例如 ，任何更低级别的网址均可抓取 。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） 。
disallow: /
适用规则 ：disallow: / ，请注意 ，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、支持的协议包括 HTTP、这些指令始终以 directive: [path] 的形式指定 ，
匹配项 ：
/filename.php
/folder/filename.php
不匹配项 ：
/filename.php?parameters
/filename.php/
/filename.php5
/windows.PHP
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 ， 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。但该文件可能是共享的 ，
Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB ，从而确定正确的规则组。详细了解基于路径值的网址匹配 。即使有相关抓取工具的对应条目 ，以及一个详尽的常见问题解答列表 。
$ 表示网址结束 。
这包括 401 (unauthorized) 和 403 (forbidden) HTTP 状态代码
。了解如何阻止编入索引 。因此它只遵循组 1。Bing 和其他主流搜索引擎支持 robots.txt 中的 sitemap 字段 。因为 allow 规则仅适用于根网址
。
allow ：可抓取的网址路径 。Javascript 或元刷新型重定向） 。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 ，例如 ，但可能仍会将其网址编入索引并将其显示在搜索结果中
，文化延伸
男人可以喝藏红花吗？男人喝藏红花的六个好处新浪彩票名家大乐透第26096期推荐汇总Little MO&Co.奇迹之子，亚运七金王，张展硕的19岁秋天澳大利亚帕拉马塔动力博物馆正式竣工投用2025年全国1%人口抽样调查已完成，珠海人口规模及分布情况发布立邦中国携手阿里云深化数字化合作，共筑数据与AI应用新底座中国铁建拟中标两个项目