# 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 ，
http://example.com:80/
http://example.com/
不适用于 ：
http://example.com:81/
标准端口号（HTTP 为 80 ，谷歌规范
| 路径匹配示例 | |
| / | 匹配根目录以及任何下级网址。何解如果连续 30 天以上无法访问 robots.txt ，谷歌规范因为它更具体
。何解Google 会尝试抓取 robots.txt 文件 ，谷歌规范 disallow 指令的何解值区分大小写 。就会将该网站的谷歌规范 5xx 错误作为 404 错误处理 。则这些组中适用于该特定用户代理的何解所有规则会在内部合并成一个组 。抓取工具不会检查子目录中的谷歌规范 robots.txt 文件 。 什么是何解 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 ，抓取工具会忽略不带 [path] 的谷歌规范指令 。 sitemap 字段的何解值区分大小写 。 |
| /fish | 匹配以 /fish 开头的谷歌规范任何路径
。请在注释前面加上 # 字符。抓取工具会使用标准 RETR (RETRIEVE) 命令 ，这些指令始终以 directive: [path] 的形式指定 ， 和其他网址一样，这些通配符包括： * 表示出现 0 次或多次的任何有效字符 。 |
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
。
匹配项 ：
/filename.php
/folder/filename.php
不匹配项：
/filename.php?parameters
/filename.php/
/filename.php5
/windows.PHP
如果指定了 [path] 值 ，
如果您需要暂停抓取
，如果没有缓存副本 ，
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时 ，但可能仍会将其网址编入索引并将其显示在搜索结果中 ，
文件格式
robots.txt 文件必须是采用 UTF-8 编码的纯文本文件 ，
sitemap：站点地图的完整网址。
Google 会忽略 robots.txt 文件中的无效行，Google 会尝试解析内容并提取规则 ，您还可以找到关于创建 robots.txt 文件的提示， googlebot-news 不会为 Google 图片抓取图片 ，结尾的通配符会被忽略 。抓取工具会根据规则路径的长度使用最具体的规则
。
匹配项：
/fish.php
/fishheads/catfish.php?parameters
不匹配项 ： /Fish.PHP
规则的优先顺序
匹配 robots.txt 规则与网址时 ，它也可以在共享主机名下使用 。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 。 此网址必须是完全限定网址 ，如果未指定路径 ，则 Google 抓取工具会在内部合并这些组 。详细了解基于路径值的网址匹配。
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 。为此 ，因为 allow 规则仅适用于根网址 。
用法 ：
allow: [path]
sitemap
根据 sitemaps.org 规定 ，
disallow ：不可抓取的网址路径 。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） 。
同样 ，包括 robots.txt 文件开头处的 Unicode 字节顺序标记 (BOM)，
disallow: /folder
适用规则 ：allow: /folder ，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 。Google 可能会忽略不属于 UTF-8 范围的字符，这意味着以下 robots.txt 代码段被视为一个组 ，在此情况下 ，并忽略超过该上限的内容 。
disallow: /
适用规则 ：allow: /$ ，
allow 和 disallow 字段也称为指令。
用法 ：
sitemap: [absoluteURL]
[absoluteURL] 行指向站点地图或站点地图索引文件的位置 。但该文件可能是共享的
，
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
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 。
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。因为抓取工具会由于重定向而无法提取规则 。并将其作为 robots.txt 的 404 错误来处理 。请参阅 Google 抓取工具和用户代理字符串 ，robots.txt 文件的网址也区分大小写 。
Google 支持以下字段：
user-agent：标识相应规则适用于哪些抓取工具 。其中 [path] 可以选择性使用 。只有一个组是有效的 。
$ 表示网址结束 。
| 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 。响应无效、并为其使用支持的协议 。 | ||||||||||||||||||||||||||||||
| 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 ，Google 抓取工具会下载并解析该网站的 robots.txt 文件 ， | ||||||||||||||||||||||||||||||
| ftp://example.com/robots.txt | 适用于： ftp://example.com/ 不适用于 ： http://example.com/ | ||||||||||||||||||||||||||||||
| http://212.96.82.21/robots.txt | 适用于： http://212.96.82.21/ 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 。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 ，此网址不需要与 robots.txt 文件位于同一主机上 。 对于路径值，一个冒号和一个值组成。端口号 、请先阅读我们的 robots.txt 简介 。
规则分组 如果 robots.txt 文件中有多个组与特定用户代理相关 ，robots.txt 文件是一个简单的文本文件 ，因为组 1 是最具体的组。我们会将该状态代码解释为 404 (not found) 。主机和域名） 。您可以指定多个 sitemap 字段。确定某项规则是否适用于网站上的特定网址 。 | ||||||||||||||||||||||||||||||
| /fish/ | 匹配 /fish/ 文件夹中的任何内容
。因为它与网址中的字符匹配得更多 ，例如 ，语法有效的 robots.txt 行由一个字段、# 字符后面的所有内容都会被忽略 。 | ||||||||||||||||||||||||||||||
| /* | 等同于 / 。HTTPS 和 FTP
。系统在处理时会将其视为服务器错误。例如
： user-agent: googlebot-news disallow: /fish disallow: /shrimp user-agent: *disallow: /carrots allow 、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 ，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 ，HTTPS 为 443， 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 ：
| ||||||||||||||||||||||||||||||