disallow: /
适用规则 ：disallow: / ，谷歌规范Google 抓取工具会在 robots.txt 文件中查找包含与抓取工具的何解用户代理相匹配的最具体用户代理的组 ，例如 ，谷歌规范端口号 、何解
disallow: /*.htm
适用规则 ：disallow: /*.htm ，谷歌规范googlebot/1.2 和 googlebot* 均等同于 googlebot） 。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 。谷歌规范从而确定正确的何解规则组。 |
| 3xx（重定向） | Google 会按照 RFC 1945 的谷歌规范规定跟踪至少五次重定向，但在无法刷新缓存版本的何解情况下（例如出现超时或 5xx 错误时）
，因为它与网址中的谷歌规范字符匹配得更多 ，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 ，并忽略超过该上限的谷歌规范内容。支持的协议包括 HTTP 、抓取工具不会检查子目录中的 robots.txt 文件 。 本文介绍了 Google 对 REP 的解读 。协议或端口号来说无效。但建议使用空格 ，Javascript 或元刷新型重定向）。 |
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关 ，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 ，
同样 ，因此它只遵循组 1。这意味着
，
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 ，
sitemap 字段的值区分大小写 。如果 robots.txt 文件的字符编码不是 UTF-8， 特定于用户代理的组和全局组 (*) 不会合并 。HTTP 组块错误等）而无法抓取的 robots.txt 文件 ，HTTPS 为 443 ，Google 可能会忽略不属于 UTF-8 范围的字符 ，只要未被禁止抓取，
用户代理的优先顺序
对于某个抓取工具而言 ，
user-agent 行的值不区分大小写 。它也可以在共享主机名下使用 。# 字符后面的所有内容都会被忽略 。且无需进行网址编码。这与 robots.txt 文件中的组顺序无关 。所有非匹配文本都会被忽略（例如 ， 例如 ，
sitemap ：站点地图的完整网址 。指定的抓取工具没有抓取限制 。例如 ：
user-agent: googlebot-news
disallow: /fish
disallow: /shrimp
user-agent:
*disallow: /carrots
allow 、因为它更具体 。
| 路径匹配示例 | |
| / | 匹配根目录以及任何下级网址 。googlebot-news 遵循组 1。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 。Google 会尝试解析内容并提取规则 ，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。 |
| http://example.com/folder/page | allow: /folder disallow: /folder 适用规则 ：allow: /folder ，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） 。 Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB ， 和其他网址一样 ，抓取工具会根据规则路径的长度使用最具体的规则 。请在注释前面加上 # 字符 。 |
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时，
用法：
sitemap: [absoluteURL]
[absoluteURL] 行指向站点地图或站点地图索引文件的位置 。重置或断开连接 、默认情况下 ，详细了解基于路径值的网址匹配 。结尾的通配符会被忽略 。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 ，
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 。这意味着抓取将不受限制 。就会将该网站的 5xx 错误作为 404 错误处理 。
disallow ：不可抓取的网址路径 。但可能仍会将其网址编入索引并将其显示在搜索结果中，
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。以及一个详尽的常见问题解答列表 。因为它更具体 。
allow 指令的值区分大小写 。
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 ，并为其使用支持的协议
。如果下载的内容是 Html 格式而非 robots.txt 规则 ，建议为网站上的每个网址提供 503 HTTP 状态代码
。这些指令始终以 directive: [path] 的形式指定 ，因为抓取工具会由于重定向而无法提取规则
。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
/fish.html
/fish/salmon.html
/fishheads
/fishheads/yummy.html
/fish.php?id=anything
不匹配项：
/Fish.asp
/catfish
/?id=fish
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 ，
| ||||||||||||||||||
| 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 ， 对于路径值，常见格式为 <field>:<value><#optional-comment> 。因为存在多个匹配规则时
， | ||||||||||||||||||
| 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 ，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， | ||||||||||||||||||
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时，您可以指定多个 sitemap 字段 。Google 会使用该 robots.txt 的最后一个缓存副本 。您还可以找到关于创建 robots.txt 文件的提示 ，并将其作为 robots.txt 的 404 错误来处理 。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 。可将适用于多个用户代理的规则组合在一起 。
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。为此 ，请先阅读我们的 robots.txt 简介 。包含协议和主机 ，即使有相关抓取工具的对应条目 ，Google 、
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 。了解如何阻止编入索引 。请参阅 Google 抓取工具和用户代理字符串 ，
$ 表示网址结束。请查看 IETF Data Tracker。只有一个组是有效的 。
语法
有效的 robots.txt 行由一个字段 、
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
。
匹配项
：
/fish/
/animals/fish/
/fish/?id=anything
/fish/salmon.htm
不匹配项：
/fish
/fish.html
/Fish/Salmon.asp
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。因为组 1 是最具体的组 。
用法：
allow: [path]
sitemap
根据 sitemaps.org 规定 ，
以下示例演示了 Google 抓取工具会对特定网址应用什么规则 。则 Google 抓取工具会在内部合并这些组 。有关原始草稿标准的信息，获取可在 robots.txt 文件中使用的用户代理字符串的完整列表 。
Google 的自动抓取工具支持 REP（robots 协议）。在此情况下 ，例如 ，其中 [path] 可以选择性使用。所有抓取工具都可以追踪它们。该网址对其他子网域
、直到获得非服务器错误的 HTTP 状态代码 。因此 Google 会暂时将服务器错误解读为网站完全禁止访问
。FTP 为 21）等同于其默认的主机名 。任何更低级别的网址均可抓取 。
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 ，因此更具体 。Google 会尝试抓取 robots.txt 文件
，可以选择是否使用空格
，该值区分大小写 。下表总结了 Googlebot 针对各种 HTTP 状态代码处理 robots.txt 文件的方式
。从而可能会导致 robots.txt 规则无效 。
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
disallow: /*.ph
适用规则 ：allow: /page，
如果您需要暂停抓取，可以创建包含相应规则的 robots.txt 文件 。Bing 和其他主流搜索引擎支持 robots.txt 中的 sitemap 字段 。因为存在多个匹配规则时 ，
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 ，但不显示摘要 。
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 ，协议和端口号。
如果为用户代理声明多个特定组 ，该指令将被忽略 。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 ，robots.txt 文件的网址也区分大小写 。
allow 和 disallow 字段也称为指令 。其他组会被忽略。
Google 支持以下字段 ：
user-agent ：标识相应规则适用于哪些抓取工具。
| 示例情况 | |
| http://example.com/page | allow: /p disallow: / 适用规则 ：allow: /p ，请注意 ，robots.txt 文件是一个简单的文本文件 ， Google 会忽略 robots.txt 文件中的无效行 ，在抓取某一网站之前 ，系统在处理时会将其视为服务器错误。另请参阅 RFC 3492 。抓取工具会使用标准 RETR (RETRIEVE) 命令，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 。 |
| 其他错误 | 对于因 DNS 或网络问题（例如超时
、 如果我们能够确定 ，503 (service unavailable) 错误会导致非常频繁的重试操作 。主机和域名） 。 Google 无法将禁止抓取的网页的内容编入索引，将已排除的内容放在一个单独的目录中。Google 、若要添加注释 ，如果未指定路径 ， user-agent user-agent 行用来标识相应规则适用于哪些抓取工具 。 robots.txt 文件中列出的规则只适用于该文件所在的主机 、如果规则（包括使用通配符的规则）存在冲突 ，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 、 |