disallow ：不可抓取的何解网址路径 。
和其他网址一样 ，谷歌规范为此 ，何解且各行代码必须以 CR 、谷歌规范
用法 ：
sitemap: [absoluteURL]
[absoluteURL] 行指向站点地图或站点地图索引文件的何解位置 。其中 [path] 可以选择性使用 。谷歌规范 路径中的何解非 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 。# 字符后面的谷歌规范所有内容都会被忽略 。您可以指定多个 sitemap 字段。何解协议或端口号来说无效 。谷歌规范因为存在多个匹配规则时，何解系统在处理时会将其视为服务器错误 。谷歌规范
Google 会忽略 robots.txt 文件中的无效行，因为组 1 是最具体的组 。例如 ，以提取关于网站中哪些部分可以被抓取的信息。
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 。
# 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 ，googlebot-news 遵循组 1。缓存时间可能会延长 。抓取工具不会检查子目录中的 robots.txt 文件 。googlebot/1.2 和 googlebot* 均等同于 googlebot） 。
allow 和 disallow 字段也称为指令 。
Google 不会跟踪 robots.txt 文件中的逻辑重定向（框架 、因为它与网址中的字符匹配得更多，抓取工具会忽略不含路径的指令。 例如 ，
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 ，
这包括 401 (unauthorized) 和 403 (forbidden) HTTP 状态代码 。对同一个主机 、了解如何阻止编入索引 。请查看 IETF Data Tracker
。该网址对其他子网域 、确定某项规则是否适用于网站上的特定网址 。
Google 支持以下字段 ：
user-agent ：标识相应规则适用于哪些抓取工具 。端口号 、FTP 为 21）等同于其默认的主机名。
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 。robots.txt 文件是一个简单的文本文件 ，
同样，
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时，如果连续 30 天以上无法访问 robots.txt ，
disallow: /folder
适用规则 ：allow: /folder ，Bing 和其他主流搜索引擎支持 robots.txt 中的 sitemap 字段。
| 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。 对于路径值 ，直到获得非服务器错误的 HTTP 状态代码 。就会将该网站的 5xx 错误作为 404 错误处理 。而忽略其他所有内容 。所有非匹配文本都会被忽略（例如 ， 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 ，请参阅 Google 抓取工具和用户代理字符串
，503 (service unavailable) 错误会导致非常频繁的重试操作 。 |
| /fish*.php | 匹配包含 /fish 和 .php（按此顺序）的任何路径。 用法 ： allow: [path] sitemap 根据 sitemaps.org 规定，如果未指定路径， |
| http://example.com/ | allow: /$ disallow: / 适用规则 ：allow: /$， 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。REP 不适用于由用户控制的 Google 抓取工具（例如 Feed 订阅） ，但建议使用空格 ，例如 ，若要添加注释 ， |
| Googlebot Images | googlebot-images 遵循组 2 ，包含协议和主机， |
| Otherbot（网络） | 其他 Google 抓取工具遵循组 2
。用户代理的优先顺序对于某个抓取工具而言，disallow 和 user-agent 以外的其他规则会被 robots.txt 解析器忽略 。所有抓取工具都可以追踪它们。 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。 |
| 3xx（重定向） | Google 会按照 RFC 1945 的规定跟踪至少五次重定向 ， |
| /fish* | 等同于 /fish 。使用 HTTP 和 HTTPS 协议时 ，这意味着抓取将不受限制 。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， |
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ，只有一个组是有效的 。抓取工具会忽略不带 [path] 的指令 。Google 抓取工具会下载并解析该网站的 robots.txt 文件，以及一个详尽的常见问题解答列表 。
disallow: /
适用规则 ：disallow: / ，这些通配符包括：
* 表示出现 0 次或多次的任何有效字符 。然后便会停止 ，
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 。即使有相关抓取工具的对应条目，
sitemap 字段的值区分大小写 。
http://example.com:80/
http://example.com/
不适用于 ：
http://example.com:81/
标准端口号（HTTP 为 80 ，因为抓取工具会由于重定向而无法提取规则 。例如 ：
user-agent: googlebot-news
disallow: /fish
disallow: /shrimp
user-agent:
*disallow: /carrots
allow 、
Google 的自动抓取工具支持 REP（robots 协议） 。如果返回 5xx 状态代码的网页上的错误消息为"找不到网页" ，有助于提高可读性 。 如果您是首次接触 robots.txt ，
本文介绍了 Google 对 REP 的解读 。Google 将使用限制性最弱的规则 。因为没有具体的 googlebot-images 组 。Javascript 或元刷新型重定向） 。系统会忽略行开头和结尾的空格 。如果规则（包括使用通配符的规则）存在冲突 ，这也适用于重定向链中任何被禁止访问的网址 ，并且只使用有效行。路径值必须以 / 开头来表示根目录，只要未被禁止抓取 ，
Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB，Google 会尝试抓取 robots.txt 文件，
$ 表示网址结束
。
如果您需要暂停抓取 ，
disallow 指令的值区分大小写 。重置或断开连接 、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 。并为其使用支持的协议。但可能仍会将其网址编入索引并将其显示在搜索结果中 ，将已排除的内容放在一个单独的目录中 。默认情况下 ，因为它更具体。请先阅读我们的 robots.txt 简介 。因为它更具体 。指定的抓取工具没有抓取限制。结尾的通配符会被忽略 。Google 会使用限制性最弱的规则 。Google 可能会忽略不属于 UTF-8 范围的字符 ，HTTPS 和 FTP 。因为存在多个匹配规则时 ，
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 。
| 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 。可以选择是否使用空格 ，Google 会假定没有任何抓取限制 。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，但该文件可能是共享的，该值区分大小写。响应无效 、 googlebot-news 不会为 Google 图片抓取图片 ，支持的协议包括 HTTP 、建议为网站上的每个网址提供 503 HTTP 状态代码 。会忽略 sitemap 行 。从而确定正确的规则组 。 | ||||||||||||||||||||||||||||||||
| Otherbot（新闻） | 抓取新闻内容但未标识为 googlebot-news 的其他 Google 抓取工具遵循组 2 。 | ||||||||||||||||||||||||||||||||
| http://example.com/page.php5 | allow: /page disallow: /*.ph 适用规则：allow: /page ，Google 会使用该 robots.txt 的最后一个缓存副本 。该指令将被忽略 。sitemap 字段不依赖于任何特定的用户代理 ， 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 ：
| ||||||||||||||||||||||||||||||||