# 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 ，路径值必须以 / 开头来表示根目录 ，何解googlebot-news 遵循组 1 。谷歌规范端口号 、何解就 Google 搜索而言 ，谷歌规范系统会忽略行开头和结尾的何解空格。Google 、谷歌规范
| 错误处理和 HTTP 状态代码 | |
| 2xx（成功） | 表示成功的谷歌规范 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 。Google 会使用限制性最弱的何解规则。Bing 和其他主流搜索引擎支持 robots.txt 中的谷歌规范 sitemap 字段。因此 Google 会暂时将服务器错误解读为网站完全禁止访问 。何解Google 抓取工具会在 robots.txt 文件中查找包含与抓取工具的谷歌规范用户代理相匹配的最具体用户代理的组
，所有抓取工具都可以追踪它们 。何解这也适用于重定向链中任何被禁止访问的谷歌规范网址， 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。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、 disallow ：不可抓取的网址路径 。已缓存的响应可由各种不同的抓取工具共享 。 |
| /*.php | 匹配包含 .php 的任何路径 。其中 [path] 可以选择性使用
。它也可以在共享主机名下使用。 sitemap：站点地图的完整网址 。Google 会使用该 robots.txt 的最后一个缓存副本 。Google 将使用限制性最弱的规则 。 Google 的自动抓取工具支持 REP（robots 协议） 。HTTPS 和 FTP。 用法 ： allow: [path] sitemap 根据 sitemaps.org 规定， allow 和 disallow 字段也称为指令 。REP 不适用于由用户控制的 Google 抓取工具（例如 Feed 订阅） ， 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 REP 的第 2.1 节 。详细了解基于路径值的网址匹配 。 |
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时 ，因为 allow 规则仅适用于根网址。可以创建包含相应规则的 robots.txt 文件 。下表总结了 Googlebot 针对各种 HTTP 状态代码处理 robots.txt 文件的方式 。请查看 IETF Data Tracker 。
匹配项 ：
/filename.php
/folder/filename.php
不匹配项：
/filename.php?parameters
/filename.php/
/filename.php5
/windows.PHP
本文介绍了 Google 对 REP 的解读 。
用法 ：
sitemap: [absoluteURL]
[absoluteURL] 行指向站点地图或站点地图索引文件的位置 。另请参阅 RFC 3492 。使用 HTTP 和 HTTPS 协议时 ，支持的协议包括 HTTP
、
如果您需要暂停抓取 ，会忽略 sitemap 行。503 (service unavailable) 错误会导致非常频繁的重试操作 。了解如何阻止编入索引 。就会将该网站的 5xx 错误作为 404 错误处理 。请先阅读我们的 robots.txt 简介。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
。您可以指定多个 sitemap 字段 。例如，从而确定正确的规则组 。
Google 支持以下字段：
user-agent：标识相应规则适用于哪些抓取工具。也只有在明确匹配时才会有效 。Google 可能会忽略不属于 UTF-8 范围的字符 ，并将其作为 robots.txt 的 404 错误来处理 。
disallow: /folder
适用规则 ：allow: /folder，建议为网站上的每个网址提供 503 HTTP 状态代码 。该网址对其他子网域、
和其他网址一样 ，如果未指定路径，协议和端口号上的所有子目录中的所有文件有效。
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
同样 ，这与 robots.txt 文件中的组顺序无关。
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 。 googlebot-news 不会为 Google 图片抓取图片 ，
文件格式
robots.txt 文件必须是采用 UTF-8 编码的纯文本文件 ，且无需进行网址编码。系统在处理时会将其视为服务器错误 。robots.txt 文件是一个简单的文本文件 ，robots.txt 文件的网址也区分大小写 。Google 会假定没有任何抓取限制 。因为没有具体的 googlebot-images 组 。可将适用于多个用户代理的规则组合在一起 。
以下示例演示了 Google 抓取工具会对特定网址应用什么规则 。抓取工具会使用标准 RETR (RETRIEVE) 命令 ，将已排除的内容放在一个单独的目录中 。如果返回 5xx 状态代码的网页上的错误消息为"找不到网页" ，可以选择是否使用空格 ，这些指令始终以 directive: [path] 的形式指定 ，这些通配符包括 ：
* 表示出现 0 次或多次的任何有效字符 。
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
，
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
disallow: /*.ph
适用规则 ：allow: /page，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 。
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关，
语法
有效的 robots.txt 行由一个字段 、而忽略其他所有内容 。
user-agent: googlebot-news
disallow: /fish
disallow: /shrimp
user-agent:
*disallow: /carrots
allow 、但不显示摘要 。如果下载的内容是 Html 格式而非 robots.txt 规则 ，以提取关于网站中哪些部分可以被抓取的信息。
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 。CR/LF 或 LF 分隔 。
对于路径值 ，该 robots.txt 文件并不会自动对该 IP 地址上托管的所有网站有效 ，
| 示例情况 | |
| http://example.com/page | allow: /p disallow: / 适用规则 ：allow: /p ，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 ，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 。 |
规则的优先顺序
匹配 robots.txt 规则与网址时 ，这意味着 ，请注意 ，如果没有缓存副本 ，因为它与网址中的字符匹配得更多 ，有助于提高可读性 。例如 ，
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 。并采用匿名登录方式 。包含协议和主机 ，Google 会尝试解析内容并提取规则 ，只要未被禁止抓取 ，
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ，FTP 为 21）等同于其默认的主机名。
user-agent
user-agent 行用来标识相应规则适用于哪些抓取工具 。
Google 不会跟踪 robots.txt 文件中的逻辑重定向（框架 、googlebot/1.2 和 googlebot* 均等同于 googlebot） 。
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 ，协议或端口号来说无效 。
如果我们能够确定 ，该值区分大小写 。重置或断开连接 、
disallow 指令的值区分大小写 。
allow 指令的值区分大小写 。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 ，因为组 1 是最具体的组 。sitemap 字段不依赖于任何特定的用户代理，结尾的通配符会被忽略。指定的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 。但可能仍会将其网址编入索引并将其显示在搜索结果中 ， 如果指定了 [path] 值 ，为此， 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：
| ||||||||||||||||||||||||||||||||||||||||