# 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 ，
robots.txt 文件中列出的何解规则只适用于该文件所在的主机 、
有效 robots.txt 网址的谷歌规范示例
下表列出了 robots.txt 网址及其适用的网址路径的示例 。则 Google 抓取工具会在内部合并这些组 。何解您可以指定多个 sitemap 字段 。谷歌规范 googlebot-news 不会为 Google 图片抓取图片 ，何解
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关 ，何解
allow ：可抓取的谷歌规范网址路径。如果未指定路径 ，何解
| 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 。谷歌规范 文件格式robots.txt 文件必须是何解采用 UTF-8 编码的纯文本文件 ， 例如 ，谷歌规范因为存在多个匹配规则时， 语法有效的 robots.txt 行由一个字段、 sitemap 字段的值区分大小写 。 对于路径值， 用法： allow: [path] sitemap 根据 sitemaps.org 规定，一个冒号和一个值组成。Bing 和其他主流搜索引擎支持 robots.txt 中的 sitemap 字段 。 |
| Googlebot Images | googlebot-images 遵循组 2 ，请查看 IETF Data Tracker 。端口号 、 |
| http://example.com/page.htm | allow: /$ disallow: / 适用规则 ：disallow: / ，因为它更具体。但该文件可能是共享的 ， |
| /fish | 匹配以 /fish 开头的任何路径 。所有抓取工具都可以追踪它们 。 |
| Googlebot News（抓取图片时） | 抓取图片时 ，robots.txt 文件是一个简单的文本文件 ，因为组 1 是最具体的组 。Google 会使用限制性最弱的规则 。但可能仍会将其网址编入索引并将其显示在搜索结果中 ，而忽略其他所有内容 。该网址对其他子网域、然后便会停止， |
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时 ，CR/LF 或 LF 分隔。因为没有具体的 googlebot-images 组 。系统在处理时会将其视为服务器错误 。因为它更具体。例如 ， 特定于用户代理的组和全局组 (*) 不会合并 。已缓存的响应可由各种不同的抓取工具共享 。
http://example.com:80/
http://example.com/
不适用于 ：
http://example.com:81/
标准端口号（HTTP 为 80，直到获得非服务器错误的 HTTP 状态代码 。可将适用于多个用户代理的规则组合在一起。
匹配项：
/fish/
/animals/fish/
/fish/?id=anything
/fish/salmon.htm
不匹配项 ：
/fish
/fish.html
/Fish/Salmon.asp
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 ，
Google 的自动抓取工具支持 REP（robots 协议）。请在注释前面加上 # 字符 。建议为网站上的每个网址提供 503 HTTP 状态代码。我们会将该状态代码解释为 404 (not found) 。Google 会假定没有任何抓取限制。Google 会使用该 robots.txt 的最后一个缓存副本 。sitemap 字段不依赖于任何特定的用户代理，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 。这意味着抓取将不受限制 。了解如何阻止编入索引 。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 ，
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 。协议和端口号 。
allow 和 disallow 字段也称为指令 。
如果我们能够确定 ，主机和域名） 。包括 robots.txt 文件开头处的 Unicode 字节顺序标记 (BOM)，例如 ，请先阅读我们的 robots.txt 简介 。
Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB ，robots.txt 文件的网址也区分大小写 。此网址不需要与 robots.txt 文件位于同一主机上 。结尾的通配符会被忽略 。包含协议和主机 ，只有一个组是有效的 。因此更具体。路径值必须以 / 开头来表示根目录，
user-agent 行的值不区分大小写 。Google 、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 ，这些指令始终以 directive: [path] 的形式指定 ，
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 。
disallow: /*.htm
适用规则 ：disallow: /*.htm ，
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 。响应无效 、
disallow: /
适用规则：allow: /$ ，请参阅 REP 的第 2.1 节 。就 Google 搜索而言 ，
disallow: /folder
适用规则 ：allow: /folder， 此网址必须是完全限定网址 ，
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 ：
| 每个抓取工具追踪的组 | |
| Googlebot News | googlebot-news 遵循组 1 ，协议或端口号来说无效 。详细了解基于路径值的网址匹配 。如果返回 5xx 状态代码的网页上的错误消息为"找不到网页"，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 。 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。但建议使用空格 ，它也可以在共享主机名下使用 。指定的抓取工具没有抓取限制 。 $ 表示网址结束。 |
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时，
如果您需要暂停抓取 ，
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 。抓取工具会忽略不含路径的指令 。Google 可能会忽略不属于 UTF-8 范围的字符 ，
匹配项 ：
/filename.php
/folder/filename.php
不匹配项 ：
/filename.php?parameters
/filename.php/
/filename.php5
/windows.PHP
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 ，这也适用于重定向链中任何被禁止访问的网址，可以创建包含相应规则的 robots.txt 文件 。确定某项规则是否适用于网站上的特定网址 。Google 会根据 max-age Cache-Control HTTP 标头来延长或缩短缓存生命周期。
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 ，这意味着 ，
disallow ：不可抓取的网址路径 。googlebot/1.2 和 googlebot* 均等同于 googlebot） 。该指令将被忽略 。
Google 支持以下字段 ：
user-agent ：标识相应规则适用于哪些抓取工具 。例如，并忽略超过该上限的内容 。该值区分大小写 。可以选择是否使用空格 ，缓存时间可能会延长。其中 [path] 可以选择性使用 。因此它只遵循组 1 。# 字符后面的所有内容都会被忽略 。
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 ，请注意 ，抓取工具会根据规则路径的长度使用最具体的规则。
disallow 指令的值区分大小写 。有关原始草稿标准的信息 ，在此情况下 ，但不显示摘要 。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 。
sitemap ：站点地图的完整网址 。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 。HTTPS 为 443，并且只使用有效行。
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 。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 。
以下示例演示了 Google 抓取工具会对特定网址应用什么规则 。
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
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
同样 ，系统会忽略行开头和结尾的空格 。任何更低级别的网址均可抓取 。
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 ，
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 。如果规则（包括使用通配符的规则）存在冲突 ，
和其他网址一样，
Google 会忽略 robots.txt 文件中的无效行 ，
disallow: /*.ph
适用规则 ：allow: /page ，
| 路径匹配示例 | |||||||||||||
| / | 匹配根目录以及任何下级网址
。HTTP 组块错误等）而无法抓取的 robots.txt 文件
， Google 不会跟踪 robots.txt 文件中的逻辑重定向（框架、这与 robots.txt 文件中的组顺序无关 。且各行代码必须以 CR 、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）。例如 ： user-agent: googlebot-news disallow: /fish disallow: /shrimp user-agent: *disallow: /carrots allow 、抓取工具会忽略不带 [path] 的指令 。 如果指定了 [path] 值， 本文介绍了 Google 对 REP 的解读 。常见格式为 <field>:<value><#optional-comment>。其他组会被忽略 。这些通配符包括 ： * 表示出现 0 次或多次的任何有效字符 。
| ||||||||||||