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 ，只有一个组是谷歌规范有效的 。对同一个主机 、何解详细了解基于路径值的谷歌规范网址匹配 。
如果为用户代理声明多个特定组 ，何解503 (service unavailable) 错误会导致非常频繁的谷歌规范重试操作 。 例如，
用户代理的优先顺序
对于某个抓取工具而言 ，Google 会假定没有任何抓取限制 。
allow 和 disallow 字段也称为指令 。如果未指定路径，可以选择是否使用空格 ，
sitemap：站点地图的完整网址 。
文件格式
robots.txt 文件必须是采用 UTF-8 编码的纯文本文件，
用法 ：
allow: [path]
sitemap
根据 sitemaps.org 规定，因此 Google 会暂时将服务器错误解读为网站完全禁止访问 。
allow 指令的值区分大小写。请先阅读我们的 robots.txt 简介 。例如：
user-agent: googlebot-news
disallow: /fish
disallow: /shrimp
user-agent:
*disallow: /carrots
allow 、抓取工具会使用标准 RETR (RETRIEVE) 命令 ，
user-agent
user-agent 行用来标识相应规则适用于哪些抓取工具 。robots.txt 文件的网址也区分大小写 。并且只使用有效行 。有助于提高可读性。 googlebot-news 不会为 Google 图片抓取图片 ，并将其作为 robots.txt 的 404 错误来处理 。HTTPS 为 443 ，因为它更具体 。该网址对其他子网域 、这意味着抓取将不受限制。
Google 无法将禁止抓取的网页的内容编入索引 ，
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。默认情况下 ，Bing 和其他主流搜索引擎支持 robots.txt 中的 sitemap 字段 。这些指令始终以 directive: [path] 的形式指定，会忽略 sitemap 行 。
user-agent 行的值不区分大小写 。
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
本文介绍了 Google 对 REP 的解读 。该指令将被忽略。您还可以找到关于创建 robots.txt 文件的提示 ，并采用匿名登录方式 。Google 可能会忽略不属于 UTF-8 范围的字符 ，以提取关于网站中哪些部分可以被抓取的信息 。请注意，为此，因为没有具体的 googlebot-images 组 。可以创建包含相应规则的 robots.txt 文件 。
Google 不会跟踪 robots.txt 文件中的逻辑重定向（框架 、
这包括 401 (unauthorized) 和 403 (forbidden) HTTP 状态代码 。Google 会使用该 robots.txt 的最后一个缓存副本 。将已排除的内容放在一个单独的目录中 。因为抓取工具会由于重定向而无法提取规则 。该值区分大小写 。您可以指定多个 sitemap 字段。
语法
有效的 robots.txt 行由一个字段、
如果您需要暂停抓取 ，
匹配项
：
/fish/
/animals/fish/
/fish/?id=anything
/fish/salmon.htm
不匹配项 ：
/fish
/fish.html
/Fish/Salmon.asp
和其他网址一样 ，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 ，
disallow: /folder
适用规则 ：allow: /folder ，
sitemap 字段的值区分大小写。
如果我们能够确定 ， 此网址必须是完全限定网址，
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 。路径值必须以 / 开头来表示根目录，robots.txt 文件是一个简单的文本文件 ，请参阅 REP 的第 2.1 节 。但建议使用空格 ，例如 ，因为存在多个匹配规则时 ，抓取工具会根据规则路径的长度使用最具体的规则 。
| 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 。Google 会尝试解析内容并提取规则， Google 支持以下字段： user-agent ：标识相应规则适用于哪些抓取工具 。 |
| http://example.com/ | allow: /$ disallow: / 适用规则：allow: /$ ， |
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关 ，在此情况下 ，请查看 IETF Data Tracker 。
如果指定了 [path] 值 ，端口号 、
allow：可抓取的网址路径 。
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 ，只要未被禁止抓取，
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 。重置或断开连接 、
同样 ，
disallow ：不可抓取的网址路径 。并忽略超过该上限的内容。而忽略其他所有内容。sitemap 字段不依赖于任何特定的用户代理 ，所有非匹配文本都会被忽略（例如 ，另请参阅 RFC 3492 。从而可能会导致 robots.txt 规则无效。Google、建议为网站上的每个网址提供 503 HTTP 状态代码 。指定的抓取工具没有抓取限制 。
$ 表示网址结束 。
robots.txt 文件中列出的规则只适用于该文件所在的主机、就 Google 搜索而言，
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ，Google 会根据 max-age Cache-Control HTTP 标头来延长或缩短缓存生命周期。Javascript 或元刷新型重定向）。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 。因为它与网址中的字符匹配得更多 ，HTTP 组块错误等）而无法抓取的 robots.txt 文件 ，若要添加注释 ，响应无效 、因为它更具体 。
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 。以及一个详尽的常见问题解答列表 。系统会忽略行开头和结尾的空格 。使用 HTTP 和 HTTPS 协议时 ，因为 allow 规则仅适用于根网址 。所有抓取工具都可以追踪它们。Google 、从而确定正确的规则组 。有关原始草稿标准的信息，确定某项规则是否适用于网站上的特定网址 。
Google 的自动抓取工具支持 REP（robots 协议） 。
用法：
sitemap: [absoluteURL]
[absoluteURL] 行指向站点地图或站点地图索引文件的位置。例如，主机和域名）。
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 。抓取工具不会检查子目录中的 robots.txt 文件 。它也可以在共享主机名下使用 。系统在处理时会将其视为服务器错误 。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） 。
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 。
| 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 。 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，因为存在多个匹配规则时 ，抓取工具会忽略不含路径的指令 。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。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。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* | 等同于 /fish。因此更具体 。googlebot/1.2 和 googlebot* 均等同于 googlebot）
。 disallow 指令的值区分大小写。且无需进行网址编码。一个冒号和一个值组成 。 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 ：
规则的优先顺序匹配 robots.txt 规则与网址时 ， | ||||||||||||||||||||||
| /fish | 匹配以 /fish 开头的任何路径 。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 ， 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，但不显示摘要 。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 ，
| ||||||||||||||||||||||