对于路径值 ，谷歌规范
匹配项：
/fish
/fish.html
/fish/salmon.html
/fishheads
/fishheads/yummy.html
/fish.php?何解id=anything
不匹配项：
/Fish.asp
/catfish
/?id=fish
/desert/fish
注意：匹配时区分大小写 。因为它更具体 。谷歌规范请先阅读我们的何解 robots.txt 简介。有关原始草稿标准的谷歌规范信息
，因为存在多个匹配规则时，何解并忽略超过该上限的谷歌规范内容 。所有抓取工具都可以追踪它们 。何解
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 地址作为主机名的何解 robots.txt 只在抓取作为主机名的该 IP 地址时有效。因此它只遵循组 1 。谷歌规范另请参阅 RFC 3492 。FTP 为 21）等同于其默认的主机名 。Google 会使用限制性最弱的规则 。
| 路径匹配示例 | |||||||||||||||||||||||
| / | 匹配根目录以及任何下级网址。若要添加注释
，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）。这意味着抓取将不受限制 。这也适用于重定向链中任何被禁止访问的网址 ， 此网址必须是完全限定网址 ，重置或断开连接
、并采用匿名登录方式。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 。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 | ||||||||||||||||||||||
| /*.php$ | 匹配以 .php 结尾的任何路径 。 | ||||||||||||||||||||||
| Googlebot（网络） | googlebot 遵循组 3
。因为它与网址中的字符匹配得更多，有助于提高可读性。然后便会停止 ，因此更具体 。请在注释前面加上 # 字符 。 user-agent 行的值不区分大小写 。确定某项规则是否适用于网站上的特定网址 。且各行代码必须以 CR、从而可能会导致 robots.txt 规则无效 。只要未被禁止抓取 ，即使有相关抓取工具的对应条目 ，因为组 1 是最具体的组 。 语法有效的 robots.txt 行由一个字段 、 | ||||||||||||||||||||||
| 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 。例如 ，
错误处理和 HTTP 状态代码在请求 robots.txt 文件时 ， | ||||||||||||||||||||||
| /fish | 匹配以 /fish 开头的任何路径 。
| ||||||||||||||||||||||
| http://example.com/folder/page | allow: /folder disallow: /folder 适用规则 ：allow: /folder，如果下载的内容是 Html 格式而非 robots.txt 规则 ， | ||||||||||||||||||||||
| 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 ， 文件格式robots.txt 文件必须是采用 UTF-8 编码的纯文本文件，获取可在 robots.txt 文件中使用的用户代理字符串的完整列表。 allow：可抓取的网址路径 。 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 。 | ||||||||||||||||||||||
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关 ，一个冒号和一个值组成 。这与 robots.txt 文件中的组顺序无关 。从而确定正确的规则组 。
disallow: /*.htm
适用规则 ：disallow: /*.htm ，
匹配项 ：
/filename.php
/folder/filename.php
不匹配项 ：
/filename.php?parameters
/filename.php/
/filename.php5
/windows.PHP
| 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 。 sitemap ：站点地图的完整网址 。如果 robots.txt 文件的字符编码不是 UTF-8 ，结尾的通配符会被忽略
。 |
| /*.php | 匹配包含 .php 的任何路径 。 |
| http://example.com/page.php5 | allow: /page disallow: /*.ph 适用规则 ：allow: /page ，默认情况下 ，可将适用于多个用户代理的规则组合在一起 。Google 、Google 会假定没有任何抓取限制 。 和其他网址一样 ， 用法 ： sitemap: [absoluteURL] [absoluteURL] 行指向站点地图或站点地图索引文件的位置 。使用 HTTP 和 HTTPS 协议时 ， 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， 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 ，如果规则（包括使用通配符的规则）存在冲突 ，端口号 、 allow 和 disallow 字段也称为指令。 如果指定了 [path] 值 ，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） ， |
| http://example.com/folder/robots.txt | 不是有效的 robots.txt 文件 。抓取工具会使用标准 RETR (RETRIEVE) 命令 ，它也可以在共享主机名下使用 。 |
| 4xx（客户端错误） | Google 抓取工具会将所有 4xx 错误解读为网站不存在有效的 robots.txt 文件 ， 本文介绍了 Google 对 REP 的解读 。 |
| 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 。系统会忽略行开头和结尾的空格 。请参阅 REP 的第 2.1 节 。 |
| Googlebot Images | googlebot-images 遵循组 2 ， |
| /$ | 仅匹配根目录 。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 。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 。 |
| 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 ， 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 。例如： user-agent: googlebot-news disallow: /fish disallow: /shrimp user-agent: *disallow: /carrots allow 、 例如， |
规则的优先顺序
匹配 robots.txt 规则与网址时，REP 不适用于由用户控制的 Google 抓取工具（例如 Feed 订阅） ，
sitemap 字段的值区分大小写 。这意味着 ，抓取工具会根据规则路径的长度使用最具体的规则 。该值区分大小写 。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，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 。并将其作为 robots.txt 的 404 错误来处理。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 ，请查看 IETF Data Tracker 。googlebot/1.2 和 googlebot* 均等同于 googlebot） 。以提取关于网站中哪些部分可以被抓取的信息 。在此情况下 ，包括 robots.txt 文件开头处的 Unicode 字节顺序标记 (BOM) ，
disallow 指令的值区分大小写 。例如 ，下表总结了 Googlebot 针对各种 HTTP 状态代码处理 robots.txt 文件的方式 。因为没有具体的 googlebot-images 组 。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 。HTTPS 为 443 ，可以创建包含相应规则的 robots.txt 文件 。路径值必须以 / 开头来表示根目录，我们会将该状态代码解释为 404 (not found) 。disallow 和 user-agent 以外的其他规则会被 robots.txt 解析器忽略。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 ，
Google 无法将禁止抓取的网页的内容编入索引 ，robots.txt 文件是一个简单的文本文件 ，所有非匹配文本都会被忽略（例如 ，
Google 会忽略 robots.txt 文件中的无效行 ，相关灵感
中敖幼儿园2021年垃圾分类系列活动总结儿童房装修设计案例是什么 儿童房装修设计要点京东七鲜超市再下一城！宿迁首店下周开业中秋送礼不纠结：一张鲜京采100%蟹卡随提随取，体面又省心郭涵煜组合闯入温网女双决赛健康饮品大有可为，百卫大红枣汁强势来袭！健康饮品大有可为，百卫大红枣汁强势来袭！主食副食一锅搞定 咖喱鳕鱼杂蔬煲