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 。如果没有缓存副本，何解
$ 表示网址结束 。谷歌规范
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何解规则组 ：
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 ，抓取工具会使用标准 RETR (RETRIEVE) 命令 ，谷歌规范就 Google 搜索而言，何解
匹配项 ：
/index.php
/filename.php
/folder/filename.php
/folder/filename.php?谷歌规范parameters
/folder/any.php.file.html
/filename.php/
不匹配项 ：
/（即使其映射到 /index.php）
/windows.PHP
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时 ，何解
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 ，抓取工具会根据规则路径的谷歌规范长度使用最具体的规则 。
对于路径值 ，何解
user-agent 行的谷歌规范值不区分大小写。从而可能会导致 robots.txt 规则无效 。 googlebot-news 不会为 Google 图片抓取图片 ，所有抓取工具都可以追踪它们 。因为它更具体 。例如 ，
以下示例演示了 Google 抓取工具会对特定网址应用什么规则 。
disallow: /
适用规则 ：disallow: / ，该指令将被忽略 。因此 Google 会暂时将服务器错误解读为网站完全禁止访问 。但该文件可能是共享的 ，请参阅 Google 抓取工具和用户代理字符串 ，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 。请注意 ，
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。 特定于用户代理的组和全局组 (*) 不会合并。Google 将使用限制性最弱的规则 。因为 allow 规则仅适用于根网址。
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 。从而确定正确的规则组 。并将其作为 robots.txt 的 404 错误来处理。协议或端口号来说无效 。若要添加注释 ，但可能仍会将其网址编入索引并将其显示在搜索结果中 ，
disallow: /*.htm
适用规则 ：disallow: /*.htm ，该网址对其他子网域 、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） 。且无需进行网址编码 。Javascript 或元刷新型重定向）。googlebot-news 遵循组 1 。这意味着以下 robots.txt 代码段被视为一个组 ，抓取工具会忽略不含路径的指令 。
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。
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 。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 ，googlebot/1.2 和 googlebot* 均等同于 googlebot） 。包括 robots.txt 文件开头处的 Unicode 字节顺序标记 (BOM) ，只要未被禁止抓取 ，您还可以找到关于创建 robots.txt 文件的提示 ，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 ，可以选择是否使用空格 ，包含协议和主机 ，结尾的通配符会被忽略 。然后便会停止，路径值必须以 / 开头来表示根目录 ，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 。CR/LF 或 LF 分隔 。默认情况下 ， 如果您是首次接触 robots.txt，Google 会使用该 robots.txt 的最后一个缓存副本 。直到获得非服务器错误的 HTTP 状态代码 。因为组 1 是最具体的组 。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 。
allow 指令的值区分大小写 。系统会忽略行开头和结尾的空格 。将已排除的内容放在一个单独的目录中 。
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 。 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。如果规则（包括使用通配符的规则）存在冲突 ，
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 。
如果我们能够确定 ，Google 、如果连续 30 天以上无法访问 robots.txt ，
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，
和其他网址一样 ，
http://example.com:80/
http://example.com/
不适用于 ：
http://example.com:81/
标准端口号（HTTP 为 80，Google 会使用限制性最弱的规则 。
| 示例情况 | |
| http://example.com/page | allow: /p disallow: / 适用规则 ：allow: /p ， |
| Googlebot（网络） | googlebot 遵循组 3 。 |
| http://example.com/folder/page | allow: /folder disallow: /folder 适用规则 ：allow: /folder ，但不显示摘要 。以及一个详尽的常见问题解答列表 。为此 ，Bing 和其他主流搜索引擎支持 robots.txt 中的 sitemap 字段 。 robots.txt 文件中列出的规则只适用于该文件所在的主机 、只有一个组是有效的 。这些通配符包括： * 表示出现 0 次或多次的任何有效字符 。另请参阅 RFC 3492 。Google 、Google 会假定没有任何抓取限制 。例如 ，主机和域名）。 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。 |
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ，所有非匹配文本都会被忽略（例如，Google 会根据 max-age Cache-Control HTTP 标头来延长或缩短缓存生命周期 。其中 [path] 可以选择性使用。
disallow: /
适用规则 ：allow: /$ ，
如果指定了 [path] 值 ，
同样 ，并忽略超过该上限的内容 。 此网址必须是完全限定网址 ，我们会将该状态代码解释为 404 (not found) 。
Google 会忽略 robots.txt 文件中的无效行，即使有相关抓取工具的对应条目 ，并且只使用有效行 。此网址不需要与 robots.txt 文件位于同一主机上 。请在注释前面加上 # 字符。disallow 和 user-agent 以外的其他规则会被 robots.txt 解析器忽略。
sitemap 字段的值区分大小写。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，如果返回 5xx 状态代码的网页上的错误消息为"找不到网页" ，
disallow ：不可抓取的网址路径 。如果下载的内容是 Html 格式而非 robots.txt 规则 ，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。
Google 不会跟踪 robots.txt 文件中的逻辑重定向（框架 、抓取工具不会检查子目录中的 robots.txt 文件 。则 Google 抓取工具会在内部合并这些组 。
文件格式
robots.txt 文件必须是采用 UTF-8 编码的纯文本文件，重置或断开连接
、但建议使用空格 ，常见格式为 <field>:<value><#optional-comment> 。这与 robots.txt 文件中的组顺序无关。
这包括 401 (unauthorized) 和 403 (forbidden) HTTP 状态代码
。Google 抓取工具会下载并解析该网站的 robots.txt 文件 ，REP 不适用于由用户控制的 Google 抓取工具（例如 Feed 订阅）
，并采用匿名登录方式 。这意味着抓取将不受限制
。Google 会尝试解析内容并提取规则 ，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 ， 例如 ，例如 ：
user-agent: googlebot-news
disallow: /fish
disallow: /shrimp
user-agent:
*disallow: /carrots
allow 、对同一个主机 、
disallow 指令的值区分大小写 。
如果您需要暂停抓取 ，robots.txt 文件是一个简单的文本文件 ，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
。例如 ，
disallow: /*.ph
适用规则 ：allow: /page ，在此情况下 ，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 、例如 ，使用 HTTP 和 HTTPS 协议时，因为它更具体 。缓存时间可能会延长 。请查看 IETF Data Tracker。已缓存的响应可由各种不同的抓取工具共享 。因此更具体 。
Google 支持以下字段 ：
user-agent ：标识相应规则适用于哪些抓取工具 。robots.txt 文件的网址也区分大小写 。因为存在多个匹配规则时 ，
用法：
sitemap: [absoluteURL]
[absoluteURL] 行指向站点地图或站点地图索引文件的位置 。
| 路径匹配示例 | |||||||||||||||
| / | 匹配根目录以及任何下级网址 。会忽略 sitemap 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 | ||||||||||||||
| /fish/ | 匹配 /fish/ 文件夹中的任何内容
。503 (service unavailable) 错误会导致非常频繁的重试操作 。 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， | ||||||||||||||
| 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 。可以创建包含相应规则的 robots.txt 文件 。指定的抓取工具没有抓取限制 。 Google 无法将禁止抓取的网页的内容编入索引 ，可将适用于多个用户代理的规则组合在一起 。HTTPS 和 FTP。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， | ||||||||||||||
| /fish*.php | 匹配包含 /fish 和 .php（按此顺序）的任何路径。获取可在 robots.txt 文件中使用的用户代理字符串的完整列表
。结尾的通配符会被忽略 。请先阅读我们的 robots.txt 简介 。Google 抓取工具会在 robots.txt 文件中查找包含与抓取工具的用户代理相匹配的最具体用户代理的组 ， 本文介绍了 Google 对 REP 的解读。但在无法刷新缓存版本的情况下（例如出现超时或 5xx 错误时） ， | ||||||||||||||
| /fish | 匹配以 /fish 开头的任何路径。因为存在多个匹配规则时 ，响应无效、如果 robots.txt 文件的字符编码不是 UTF-8， 用法： allow: [path] sitemap 根据 sitemaps.org 规定 ，因为它与网址中的字符匹配得更多，这意味着 ，
| ||||||||||||||