$ 表示网址结束。谷歌规范但该文件可能是何解共享的 ，因为存在多个匹配规则时，谷歌规范例如 ，何解例如 ，谷歌规范该值区分大小写 。何解
对于路径值 ，谷歌规范Google 将使用限制性最弱的何解规则 。请注意 ，谷歌规范 如果您是何解首次接触 robots.txt ，Google 会假定没有任何抓取限制 。谷歌规范主机和域名） 。何解
用法 ：
disallow: [path]
allow
allow 指令用来指定相应抓取工具可以访问的谷歌规范路径 。结尾的通配符会被忽略 。
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，可将适用于多个用户代理的规则组合在一起 。因为没有具体的 googlebot-images 组 。HTTPS 和 FTP 。
disallow: /
适用规则 ：allow: /$ ，抓取工具不会检查子目录中的 robots.txt 文件 。并将其作为 robots.txt 的 404 错误来处理 。响应无效 、
allow 和 disallow 字段也称为指令。
user-agent 行的值不区分大小写 。Google 会尝试解析内容并提取规则 ，以提取关于网站中哪些部分可以被抓取的信息 。这也适用于重定向链中任何被禁止访问的网址 ，了解如何阻止编入索引 。503 (service unavailable) 错误会导致非常频繁的重试操作 。建议为网站上的每个网址提供 503 HTTP 状态代码 。Google 会使用限制性最弱的规则 。确定某项规则是否适用于网站上的特定网址 。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 ，
| 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 。这意味着以下 robots.txt 代码段被视为一个组 ， |
| 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 。# 字符后面的所有内容都会被忽略 。 用法 ： allow: [path] sitemap 根据 sitemaps.org 规定 ，例如 ，缓存时间可能会延长 。任何更低级别的网址均可抓取。sitemap 字段不依赖于任何特定的用户代理 ，REP 不适用于由用户控制的 Google 抓取工具（例如 Feed 订阅） ， |
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ，
如果指定了 [path] 值，
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 ，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，支持的协议包括 HTTP 、请查看 IETF Data Tracker 。且各行代码必须以 CR 、且无需进行网址编码。因为它更具体 。
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时 ， googlebot-news 不会为 Google 图片抓取图片，默认情况下 ，因为 allow 规则仅适用于根网址 。
disallow ：不可抓取的网址路径 。如果连续 30 天以上无法访问 robots.txt，
disallow: /*.htm
适用规则 ：disallow: /*.htm，如果没有缓存副本 ，因为它与网址中的字符匹配得更多 ，
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
Google 会忽略 robots.txt 文件中的无效行 ，但不显示摘要 。
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
。另请参阅 RFC 3492 。CR/LF 或 LF 分隔。robots.txt 文件是一个简单的文本文件，
http://example.com:80/
http://example.com/
不适用于 ：
http://example.com:81/
标准端口号（HTTP 为 80 ，robots.txt 文件的网址也区分大小写 。协议或端口号来说无效 。Google 抓取工具会下载并解析该网站的 robots.txt 文件 ，
本文介绍了 Google 对 REP 的解读 。从而可能会导致 robots.txt 规则无效 。这与 robots.txt 文件中的组顺序无关。协议和端口号上的所有子目录中的所有文件有效 。因为抓取工具会由于重定向而无法提取规则 。并为其使用支持的协议。
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关 ，HTTPS 为 443 ，
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。路径值必须以 / 开头来表示根目录 ，
robots.txt 文件中列出的规则只适用于该文件所在的主机 、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 ，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） ，为此 ，
sitemap ：站点地图的完整网址 。所有抓取工具都可以追踪它们 。端口号、一个冒号和一个值组成 。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，请先阅读我们的 robots.txt 简介 。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 。
如果为用户代理声明多个特定组
，
匹配项 ：
/fish/
/animals/fish/
/fish/?id=anything
/fish/salmon.htm
不匹配项 ：
/fish
/fish.html
/Fish/Salmon.asp
如果我们能够确定 ，
这包括 401 (unauthorized) 和 403 (forbidden) HTTP 状态代码 。
Google 无法将禁止抓取的网页的内容编入索引 ，有助于提高可读性 。
sitemap 字段的值区分大小写 。
allow 指令的值区分大小写 。就会将该网站的 5xx 错误作为 404 错误处理 。
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 ， 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) 。而忽略其他所有内容。因此 Google 会暂时将服务器错误解读为网站完全禁止访问。这意味着，
Google 支持以下字段 ：
user-agent ：标识相应规则适用于哪些抓取工具 。
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 ：
/filename.php
/folder/filename.php
不匹配项 ：
/filename.php?parameters
/filename.php/
/filename.php5
/windows.PHP
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
user-agent 行用来标识相应规则适用于哪些抓取工具。已缓存的响应可由各种不同的抓取工具共享 。
| 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 。 Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB ，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）。 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。就 Google 搜索而言 ， |
| http://example.com/page.htm | allow: /$ disallow: / 适用规则 ：disallow: / ，若要添加注释 ，常见格式为 <field>:<value><#optional-comment> 。在抓取某一网站之前 ，HTTP 组块错误等）而无法抓取的 robots.txt 文件 ，Javascript 或元刷新型重定向） 。 以下示例演示了 Google 抓取工具会对特定网址应用什么规则 。 |
| /$ | 仅匹配根目录 。只有一个组是有效的 。但可能仍会将其网址编入索引并将其显示在搜索结果中
，用户代理的优先顺序对于某个抓取工具而言 ，抓取工具会忽略不含路径的指令 。然后便会停止 ，Google 会使用限制性最弱的规则 。 语法有效的 robots.txt 行由一个字段、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， disallow 指令的值区分大小写。该网址对其他子网域 、您还可以找到关于创建 robots.txt 文件的提示 ，它也可以在共享主机名下使用 。例如 ，这意味着抓取将不受限制 。重置或断开连接 、使用 HTTP 和 HTTPS 协议时 ，googlebot-news 遵循组 1 。如果未指定路径 ， 文件格式robots.txt 文件必须是采用 UTF-8 编码的纯文本文件 ，这些指令始终以 directive: [path] 的形式指定
，在此情况下 ，如果 robots.txt 文件的字符编码不是 UTF-8 ，请在注释前面加上 # 字符 。 特定于用户代理的组和全局组 (*) 不会合并。会忽略 sitemap 行 。 |
规则的优先顺序
匹配 robots.txt 规则与网址时 ，因此更具体 。请参阅 Google 抓取工具和用户代理字符串 ，结尾的通配符会被忽略 。
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。并采用匿名登录方式 。
allow ：可抓取的网址路径 。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 。
同样 ，这些通配符包括 ：
* 表示出现 0 次或多次的任何有效字符 。
和其他网址一样 ，Bing 和其他主流搜索引擎支持 robots.txt 中的 sitemap 字段 。
disallow: /folder
适用规则 ：allow: /folder ，例如：
user-agent: googlebot-news
disallow: /fish
disallow: /shrimp
user-agent:
*disallow: /carrots
allow 、
| 示例情况 | |||||||||||||
| http://example.com/page | allow: /p disallow: / 适用规则 ：allow: /p ，因为存在多个匹配规则时 ，并且只使用有效行 。Google 会尝试抓取 robots.txt 文件 ， 例如 ，抓取工具会使用标准 RETR (RETRIEVE) 命令， | ||||||||||||
| http://example.com/page.php5 | allow: /page disallow: /*.ph 适用规则：allow: /page ，但建议使用空格 ，详细了解基于路径值的网址匹配 。协议和端口号 。也只有在明确匹配时才会有效 。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 、 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：
| ||||||||||||