disallow
disallow 指令用来指定不能被 disallow 指令所属的谷歌规范用户代理行所标识的抓取工具访问的路径 。Google 会使用限制性最弱的何解规则 。HTTP 组块错误等）而无法抓取的谷歌规范 robots.txt 文件，此网址不需要与 robots.txt 文件位于同一主机上 。何解Google、谷歌规范可以创建包含相应规则的何解 robots.txt 文件 。已缓存的谷歌规范响应可由各种不同的抓取工具共享。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 。这与 robots.txt 文件中的组顺序无关。
对于路径值，如果返回 5xx 状态代码的网页上的错误消息为"找不到网页" ，如果连续 30 天以上无法访问 robots.txt
，Google 抓取工具会下载并解析该网站的 robots.txt 文件，但不显示摘要 。建议为网站上的每个网址提供 503 HTTP 状态代码。从而确定正确的规则组 。请参阅 REP 的第 2.1 节 。因此 Google 会暂时将服务器错误解读为网站完全禁止访问 。 例如 ，从而可能会导致 robots.txt 规则无效。并忽略超过该上限的内容 。
匹配项 ：
/fish/
/animals/fish/
/fish/?id=anything
/fish/salmon.htm
不匹配项：
/fish
/fish.html
/Fish/Salmon.asp
同样 ，但可能仍会将其网址编入索引并将其显示在搜索结果中 ，Google 可能会忽略不属于 UTF-8 范围的字符 ，结尾的通配符会被忽略 。
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
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 ，您可以指定多个 sitemap 字段 。这些指令始终以 directive: [path] 的形式指定 ，
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。CR/LF 或 LF 分隔 。如果规则（包括使用通配符的规则）存在冲突，包含协议和主机 ，且各行代码必须以 CR 、请在注释前面加上 # 字符。这意味着 ，Google 会使用限制性最弱的规则。
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 ， robots.txt 文件中列出的规则只适用于该文件所在的主机 、 此网址必须是完全限定网址，这也适用于重定向链中任何被禁止访问的网址 ， |
| Googlebot（网络） | googlebot 遵循组 3
。 allow ：可抓取的网址路径 。 语法有效的 robots.txt 行由一个字段 、 |
| /$ | 仅匹配根目录 。请先阅读我们的 robots.txt 简介 。请注意
， 本文介绍了 Google 对 REP 的解读 。REP 不适用于由用户控制的 Google 抓取工具（例如 Feed 订阅） ，Javascript 或元刷新型重定向） 。会忽略 sitemap 行 。指定的抓取工具没有抓取限制 。 |
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关 ，
disallow: /*.ph
适用规则：allow: /page ，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 ，使用 HTTP 和 HTTPS 协议时 ，抓取工具会使用标准 RETR (RETRIEVE) 命令
，
如果您需要暂停抓取 ，robots.txt 文件是一个简单的文本文件，详细了解基于路径值的网址匹配 。例如
，另请参阅 RFC 3492 。可将适用于多个用户代理的规则组合在一起 。以提取关于网站中哪些部分可以被抓取的信息 。HTTPS 为 443 ，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，请查看 IETF Data Tracker 。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） 。Bing 和其他主流搜索引擎支持 robots.txt 中的 sitemap 字段。
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 。直到获得非服务器错误的 HTTP 状态代码 。 特定于用户代理的组和全局组 (*) 不会合并 。
| 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 。就 Google 搜索而言 ，Google、若要添加注释 ， 如果指定了 [path] 值 ，并将其作为 robots.txt 的 404 错误来处理。 |
| http://example.com/page.htm | allow: /page disallow: /*.htm 适用规则 ：disallow: /*.htm ，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， |
| 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
， 这包括 401 (unauthorized) 和 403 (forbidden) HTTP 状态代码。 |
| 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 。HTTPS 和 FTP 。 Google 的自动抓取工具支持 REP（robots 协议） 。抓取工具会忽略不含路径的指令。因为它更具体 。因为存在多个匹配规则时 ，googlebot/1.2 和 googlebot* 均等同于 googlebot） 。该值区分大小写 。了解如何阻止编入索引。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 、协议和端口号上的所有子目录中的所有文件有效 。结尾的通配符会被忽略 。 用法 ： sitemap: [absoluteURL] [absoluteURL] 行指向站点地图或站点地图索引文件的位置 。并采用匿名登录方式 。例如 ，为此， 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 。 googlebot-news 不会为 Google 图片抓取图片 ，即使有相关抓取工具的对应条目 ，获取可在 robots.txt 文件中使用的用户代理字符串的完整列表 。 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 ， |
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时，
Google 会忽略 robots.txt 文件中的无效行 ，任何更低级别的网址均可抓取 。缓存时间可能会延长 。
sitemap 字段的值区分大小写 。
allow 和 disallow 字段也称为指令 。协议和端口号。因为 allow 规则仅适用于根网址 。
Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB ，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 ，
$ 表示网址结束 。其中 [path] 可以选择性使用。
用法：
allow: [path]
sitemap
根据 sitemaps.org 规定 ，有关原始草稿标准的信息 ，
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 。Google 会使用该 robots.txt 的最后一个缓存副本 。例如 ：
user-agent: googlebot-news
disallow: /fish
disallow: /shrimp
user-agent:
*disallow: /carrots
allow 、确定某项规则是否适用于网站上的特定网址。在抓取某一网站之前 ，
disallow ：不可抓取的网址路径。
user-agent 行的值不区分大小写 。Google 会尝试抓取 robots.txt 文件 ，一个冒号和一个值组成 。支持的协议包括 HTTP、因为抓取工具会由于重定向而无法提取规则 。 如果您是首次接触 robots.txt ，
disallow: /
适用规则 ：disallow: / ，
和其他网址一样 ，并为其使用支持的协议 。我们会将该状态代码解释为 404 (not found) 。而忽略其他所有内容 。Google 将使用限制性最弱的规则 。包括 robots.txt 文件开头处的 Unicode 字节顺序标记 (BOM) ，
| 示例情况 | |||||||||||||||||||||||||
| http://example.com/page | allow: /p disallow: / 适用规则：allow: /p ，该指令将被忽略 。 | ||||||||||||||||||||||||
| http://example.com/folder/page | allow: /folder disallow: /folder 适用规则 ：allow: /folder ，disallow 和 user-agent 以外的其他规则会被 robots.txt 解析器忽略。这些通配符包括 ： * 表示出现 0 次或多次的任何有效字符 。 | ||||||||||||||||||||||||
| /* | 等同于 /
。 user-agent user-agent 行用来标识相应规则适用于哪些抓取工具 。 | ||||||||||||||||||||||||
| 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 。 匹配项 ： /filename.php /folder/filename.php 不匹配项 ： /filename.php?parameters /filename.php/ /filename.php5 /windows.PHP | ||||||||||||||||||||||||
| /fish*.php | 匹配包含 /fish 和 .php（按此顺序）的任何路径 。因为它更具体。系统在处理时会将其视为服务器错误 。 如果我们能够确定 ，因为它与网址中的字符匹配得更多 ，只要未被禁止抓取 ，503 (service unavailable) 错误会导致非常频繁的重试操作 。如果没有缓存副本 ，这意味着以下 robots.txt 代码段被视为一个组 ， | ||||||||||||||||||||||||
| 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
，
缓存Google 通常会将 robots.txt 文件的内容最多缓存 24 小时，该网址对其他子网域 、 文件格式robots.txt 文件必须是采用 UTF-8 编码的纯文本文件 ，下表总结了 Googlebot 针对各种 HTTP 状态代码处理 robots.txt 文件的方式 。 Google 支持以下字段 ： user-agent：标识相应规则适用于哪些抓取工具 。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。其他组会被忽略 。 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 ， 如果为用户代理声明多个特定组 ，Google 会尝试解析内容并提取规则 ， | ||||||||||||||||||||||||
| http://example.com/ | allow: /$ disallow: / 适用规则 ：allow: /$ ， 延伸阅读抖音生活服务中秋国庆消费前瞻：团购订单量同比增长66%一招去除喉咙里的痰,一招去除喉咙里的痰按摩中国十大坚果品牌排行榜,国内坚果品牌大全 排行榜“鬼城”抄手的来历杨掌柜宽心面，快捷、营养、美味，千亿方便食品市场再现爆品！油条的“诞生”典故什么树泡水喝可以壮阳,什么树可以泡酒壮阳止咳平喘化痰清肺最快的方法,止咳平喘有什么好办法 | ||||||||||||||||||||||||