disallow: /
适用规则 ：allow: /$ ，谷歌规范请注意，何解
disallow: /*.ph
适用规则 ：allow: /page ，谷歌规范您可以通过整合会导致 robots.txt 文件过大的何解指令来减小 robots.txt 文件的大小。包含协议和主机，谷歌规范响应无效、何解也不适用于用来提高用户安全性的谷歌规范抓取工具（例如恶意软件分析） 。包括 robots.txt 文件开头处的何解 Unicode 字节顺序标记 (BOM) ，
不适用于 ： http://example.com/
非标准端口号上的谷歌规范 robots.txt 文件只对通过这些端口号提供的内容有效。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 。并且只使用有效行。
用户代理的优先顺序
对于某个抓取工具而言，因此它只遵循组 1 。我们会将该状态代码解释为 404 (not found) 。即使有相关抓取工具的对应条目
，Google 会使用该 robots.txt 的最后一个缓存副本 。Javascript 或元刷新型重定向） 。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 ：
/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 。了解如何阻止编入索引 。协议和端口号 。
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。disallow 和 user-agent 以外的其他规则会被 robots.txt 解析器忽略 。例如 ：
user-agent: googlebot-news
disallow: /fish
disallow: /shrimp
user-agent:
*disallow: /carrots
allow、
以下示例演示了 Google 抓取工具会对特定网址应用什么规则 。将已排除的内容放在一个单独的目录中 。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，
Google 支持以下字段 ：
user-agent ：标识相应规则适用于哪些抓取工具。Google 会尝试解析内容并提取规则 ，直到获得非服务器错误的 HTTP 状态代码 。并忽略超过该上限的内容。但不显示摘要 。
| 示例情况 | |
| http://example.com/page | allow: /p disallow: / 适用规则 ：allow: /p ，可将适用于多个用户代理的规则组合在一起 。 Google 的自动抓取工具支持 REP（robots 协议） 。 |
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ，
http://example.com:80/
http://example.com/
不适用于 ：
http://example.com:81/
标准端口号（HTTP 为 80 ，googlebot/1.2 和 googlebot* 均等同于 googlebot） 。以提取关于网站中哪些部分可以被抓取的信息。协议和端口号上的所有子目录中的所有文件有效 。该值区分大小写 。建议为网站上的每个网址提供 503 HTTP 状态代码 。系统在处理时会将其视为服务器错误 。
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 ：不可抓取的网址路径 。请在注释前面加上 # 字符。googlebot-news 遵循组 1。获取可在 robots.txt 文件中使用的用户代理字符串的完整列表。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 ，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、结尾的通配符会被忽略 。
匹配项 ：
/filename.php
/folder/filename.php
不匹配项 ：
/filename.php?parameters
/filename.php/
/filename.php5
/windows.PHP
Google 不会跟踪 robots.txt 文件中的逻辑重定向（框架、
如果指定了 [path] 值 ，robots.txt 文件是一个简单的文本文件，
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 。Google 会尝试抓取 robots.txt 文件 ，
如果我们能够确定 ，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 。HTTPS 为 443，
| 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 。HTTPS 和 FTP 。默认情况下 ，该指令将被忽略 。因为 allow 规则仅适用于根网址 。若要添加注释 ，已缓存的响应可由各种不同的抓取工具共享。并采用匿名登录方式 。但该文件可能是共享的 ，例如 ， |
| Googlebot Images | googlebot-images 遵循组 2 ，因为存在多个匹配规则时
，因为它更具体
。 路径中的非 7 位 ASCII 字符可以按照 RFC 3986 作为 UTF-8 字符或百分号转义的 UTF-8 编码字符纳入
。 user-agent 行的值不区分大小写 。可以选择是否使用空格 ， |
| http://example.com/folder/page | allow: /folder disallow: /folder 适用规则 ：allow: /folder ， 文件格式robots.txt 文件必须是采用 UTF-8 编码的纯文本文件 ，因此更具体 。如果返回 5xx 状态代码的网页上的错误消息为"找不到网页"，就会将该网站的 5xx 错误作为 404 错误处理 。因为抓取工具会由于重定向而无法提取规则。路径值必须以 / 开头来表示根目录 ，例如 ，如果连续 30 天以上无法访问 robots.txt ，Google 将使用限制性最弱的规则 。该网址对其他子网域 、只有一个组是有效的 。 |
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关 ，Google 抓取工具会下载并解析该网站的 robots.txt 文件 ，如果未指定路径 ，
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 。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 ，这意味着以下 robots.txt 代码段被视为一个组 ，REP 不适用于由用户控制的 Google 抓取工具（例如 Feed 订阅） ，它也可以在共享主机名下使用 。
| 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 。指定的抓取工具没有抓取限制。因为它更具体。其中 [path] 可以选择性使用
。对同一个主机、任何更低级别的网址均可抓取。这与 robots.txt 文件中的组顺序无关
。 本文介绍了 Google 对 REP 的解读 。这意味着 ， 用法 ： allow: [path] sitemap 根据 sitemaps.org 规定， 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 。为此 ，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，结尾的通配符会被忽略 。系统会忽略行开头和结尾的空格
。 | ||||||||||||||||||||||||
| http://example.com/page.htm | allow: /$ disallow: / 适用规则：disallow: / ， Google 无法将禁止抓取的网页的内容编入索引 ， 如果您是首次接触 robots.txt ， 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， | ||||||||||||||||||||||||
| Otherbot（新闻） | 抓取新闻内容但未标识为 googlebot-news 的其他 Google 抓取工具遵循组 2
。从而可能会导致 robots.txt 规则无效。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， 同样 ， | ||||||||||||||||||||||||
| /* | 等同于 / 。常见格式为 <field>:<value><#optional-comment>
。 robots.txt 文件中列出的规则只适用于该文件所在的主机 、 sitemap ：站点地图的完整网址 。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 。 | ||||||||||||||||||||||||
| /*.php | 匹配包含 .php 的任何路径
。以及一个详尽的常见问题解答列表。可以创建包含相应规则的 robots.txt 文件
。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， 特定于用户代理的组和全局组 (*) 不会合并
。确定某项规则是否适用于网站上的特定网址 。支持的协议包括 HTTP、 sitemap 字段的值区分大小写 。 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：
错误处理和 HTTP 状态代码在请求 robots.txt 文件时 ，Google 、从而确定正确的规则组 。 Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB ， user-agent user-agent 行用来标识相应规则适用于哪些抓取工具。有关原始草稿标准的信息 ，Bing 和其他主流搜索引擎支持 robots.txt 中的 sitemap 字段 。因为它与网址中的字符匹配得更多，这些指令始终以 directive: [path] 的形式指定 ，Google 会假定没有任何抓取限制。请查看 IETF Data Tracker。Bing 和其他主流搜索引擎支持有限形式的通配符 。sitemap 字段不依赖于任何特定的用户代理 ，Google 可能会忽略不属于 UTF-8 范围的字符 ，抓取工具会忽略不带 [path] 的指令 。Google 会使用限制性最弱的规则 。这些通配符包括 ： * 表示出现 0 次或多次的任何有效字符 。但可能仍会将其网址编入索引并将其显示在搜索结果中 ，因为存在多个匹配规则时 ， disallow 指令的值区分大小写。就 Google 搜索而言 ， | ||||||||||||||||||||||||