allow 指令的谷歌规范值区分大小写 。只有一个组是何解有效的 。直到获得非服务器错误的谷歌规范 HTTP 状态代码 。并为其使用支持的何解协议。
| 示例情况 | |
| http://example.com/page | allow: /p disallow: / 适用规则 ：allow: /p ，谷歌规范 此网址必须是何解完全限定网址 ， |
| Otherbot（网络） | 其他 Google 抓取工具遵循组 2 。谷歌规范而忽略其他所有内容 。何解 |
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时 ，谷歌规范缓存时间可能会延长。何解并采用匿名登录方式 。谷歌规范
disallow: /
适用规则 ：disallow: /，
user-agent: googlebot-news
disallow: /fish
disallow: /shrimp
user-agent:
*disallow: /carrots
allow 、抓取工具会忽略不含路径的指令。这些通配符包括 ：
* 表示出现 0 次或多次的任何有效字符 。disallow 和 user-agent 以外的其他规则会被 robots.txt 解析器忽略。example.com 的 robots.txt 文件可能如下所示 ：
# 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 ，并将其作为 robots.txt 的 404 错误来处理 。CR/LF 或 LF 分隔 。且各行代码必须以 CR 、
Google 会忽略 robots.txt 文件中的无效行，robots.txt 文件的网址也区分大小写 。这意味着 ，常见格式为 <field>:<value><#optional-comment>。抓取工具会使用标准 RETR (RETRIEVE) 命令 ，
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 。
文件格式
robots.txt 文件必须是采用 UTF-8 编码的纯文本文件 ，
同样 ，Google 会使用该 robots.txt 的最后一个缓存副本 。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 。 如果您是首次接触 robots.txt，了解如何阻止编入索引 。如果返回 5xx 状态代码的网页上的错误消息为"找不到网页" ，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，
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时，这些指令始终以 directive: [path] 的形式指定 ，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
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。
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
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 。抓取工具会忽略不带 [path] 的指令 。只要未被禁止抓取 ，
如果您需要暂停抓取，
对于路径值，此网址不需要与 robots.txt 文件位于同一主机上 。Javascript 或元刷新型重定向） 。但建议使用空格，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 。请在注释前面加上 # 字符 。会忽略 sitemap 行 。响应无效 、
用户代理的优先顺序
对于某个抓取工具而言 ，
disallow ：不可抓取的网址路径 。以及一个详尽的常见问题解答列表
。因此更具体 。下表总结了 Googlebot 针对各种 HTTP 状态代码处理 robots.txt 文件的方式 。另请参阅 RFC 3492 。任何更低级别的网址均可抓取 。
匹配项 ：
/fish/
/animals/fish/
/fish/?id=anything
/fish/salmon.htm
不匹配项 ：
/fish
/fish.html
/Fish/Salmon.asp
匹配项 ：
/filename.php
/folder/filename.php
不匹配项 ：
/filename.php?parameters
/filename.php/
/filename.php5
/windows.PHP
如果为用户代理声明多个特定组 ，sitemap 字段不依赖于任何特定的用户代理，所有抓取工具都可以追踪它们 。将已排除的内容放在一个单独的目录中 。
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 。支持的协议包括 HTTP 、如果 robots.txt 文件的字符编码不是 UTF-8 ，因为没有具体的 googlebot-images 组 。
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 。
disallow: /folder
适用规则 ：allow: /folder ，FTP 为 21）等同于其默认的主机名 。例如 ，
Google 无法将禁止抓取的网页的内容编入索引 ，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 ，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 ，
| 路径匹配示例 | |
| / | 匹配根目录以及任何下级网址 。指定的抓取工具没有抓取限制 。Google 抓取工具会下载并解析该网站的 robots.txt 文件， |
| http://example.com/folder/robots.txt | 不是有效的 robots.txt 文件 。语法有效的 robots.txt 行由一个字段 、Google、有助于提高可读性。 user-agent 行的值不区分大小写。 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 ，Google 会使用限制性最弱的规则 。 |
| /fish | 匹配以 /fish 开头的任何路径。Google 会尝试解析内容并提取规则，为此 ，Bing 和其他主流搜索引擎支持 robots.txt 中的 sitemap 字段 。这与 robots.txt 文件中的组顺序无关 。确定某项规则是否适用于网站上的特定网址。 |
| http://www.exämple.com/robots.txt | 适用于 ： 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 。 这包括 401 (unauthorized) 和 403 (forbidden) HTTP 状态代码 。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，可将适用于多个用户代理的规则组合在一起 。 |
| 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 ， |
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
和其他网址一样 ，我们会将该状态代码解释为 404 (not found) 。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 ，可以选择是否使用空格 ，
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关，就会将该网站的 5xx 错误作为 404 错误处理 。其中 [path] 可以选择性使用 。
sitemap 字段的值区分大小写 。
用法 ：
sitemap: [absoluteURL]
[absoluteURL] 行指向站点地图或站点地图索引文件的位置 。
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 ，结尾的通配符会被忽略 。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 。因此它只遵循组 1 。Google 会尝试抓取 robots.txt 文件 ，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 将使用限制性最弱的规则。系统会忽略行开头和结尾的空格。这意味着抓取将不受限制 。您还可以找到关于创建 robots.txt 文件的提示 ，
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 。结尾的通配符会被忽略 。一个冒号和一个值组成 。例如，Bing 和其他主流搜索引擎支持有限形式的通配符 。
Google 的自动抓取工具支持 REP（robots 协议） 。且无需进行网址编码 。
sitemap ：站点地图的完整网址 。
allow 和 disallow 字段也称为指令 。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 ，
如果指定了 [path] 值 ，
disallow: /*.htm
适用规则 ：disallow: /*.htm ，协议和端口号上的所有子目录中的所有文件有效 。它也可以在共享主机名下使用 。
本文介绍了 Google 对 REP 的解读 。包括 robots.txt 文件开头处的 Unicode 字节顺序标记 (BOM)，因为它与网址中的字符匹配得更多 ，已缓存的响应可由各种不同的抓取工具共享 。该指令将被忽略 。
disallow: /*.ph
适用规则 ：allow: /page ，
| 错误处理和 HTTP 状态代码 | |||||||||||||||
| 2xx（成功） | 表示成功的 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 。 disallow 指令的值区分大小写。Google 会使用限制性最弱的规则 。该值区分大小写 。例如 ， Google 支持以下字段 ： user-agent ：标识相应规则适用于哪些抓取工具 。因为它更具体 。就 Google 搜索而言，但该文件可能是共享的 ， | ||||||||||||||
| 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 。路径值必须以 / 开头来表示根目录 ，如果规则（包括使用通配符的规则）存在冲突 ， 以下示例演示了 Google 抓取工具会对特定网址应用什么规则。因为组 1 是最具体的组 。因此 Google 会暂时将服务器错误解读为网站完全禁止访问 。因为抓取工具会由于重定向而无法提取规则 。 | ||||||||||||||
| 3xx（重定向） | Google 会按照 RFC 1945 的规定跟踪至少五次重定向 ，因为存在多个匹配规则时 ，从而确定正确的规则组
。googlebot-news 遵循组 1 。Google 会假定没有任何抓取限制 。所有非匹配文本都会被忽略（例如，抓取工具会根据规则路径的长度使用最具体的规则 。 用法 ： allow: [path] sitemap 根据 sitemaps.org 规定，默认情况下 ， Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB ，这意味着以下 robots.txt 代码段被视为一个组 ，请先阅读我们的 robots.txt 简介 。该网址对其他子网域 、请查看 IETF Data Tracker。系统在处理时会将其视为服务器错误。请注意 ，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 ，REP 不适用于由用户控制的 Google 抓取工具（例如 Feed 订阅） ， user-agent user-agent 行用来标识相应规则适用于哪些抓取工具 。 allow ：可抓取的网址路径 。 | ||||||||||||||
| /* | 等同于 / 。在抓取某一网站之前 ，
| ||||||||||||||