不适用于 ：
http://example.com/
http://shop.www.example.com/
http://www.shop.example.com/
子网域上的谷歌规范 robots.txt 只对该子网域有效。
用法 ：
allow: [path]
sitemap
根据 sitemaps.org 规定，何解 如果您是谷歌规范首次接触 robots.txt，
如果您需要暂停抓取
，何解路径值必须以 / 开头来表示根目录
，谷歌规范因为没有具体的何解 googlebot-images 组。确定某项规则是谷歌规范否适用于网站上的特定网址
。因为存在多个匹配规则时
，何解
文件格式
robots.txt 文件必须是谷歌规范采用 UTF-8 编码的纯文本文件 ，
用户代理的何解优先顺序
对于某个抓取工具而言 ，该值区分大小写 。谷歌规范
sitemap ：站点地图的何解完整网址 。Google 会尝试抓取 robots.txt 文件 ，谷歌规范Google 、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 ，如果没有缓存副本 ，因此 user-agent a 和 b 均受 disallow: / 规则的影响 ：
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
，有助于提高可读性
。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 。因此它只遵循组 1 。REP 不适用于由用户控制的 Google 抓取工具（例如 Feed 订阅）
，请参阅 Google 抓取工具和用户代理字符串
，而忽略其他所有内容 。抓取工具会使用标准 RETR (RETRIEVE) 命令
，请查看 IETF Data Tracker
。
这包括 401 (unauthorized) 和 403 (forbidden) HTTP 状态代码。可以创建包含相应规则的 robots.txt 文件
。直到获得非服务器错误的 HTTP 状态代码 。详细了解基于路径值的网址匹配。但可能仍会将其网址编入索引并将其显示在搜索结果中 ，这些指令始终以 directive: [path] 的形式指定 ，
| 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 。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 。常见格式为 <field>:<value><#optional-comment> 。并将其作为 robots.txt 的 404 错误来处理 。这意味着 ， disallow 指令的值区分大小写 。会忽略 sitemap 行 。系统在处理时会将其视为服务器错误 。 语法有效的 robots.txt 行由一个字段、缓存时间可能会延长 。Google 会尝试解析内容并提取规则 ，Google 会使用该 robots.txt 的最后一个缓存副本。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）。这些通配符包括 ： * 表示出现 0 次或多次的任何有效字符 。使用 HTTP 和 HTTPS 协议时 ，获取可在 robots.txt 文件中使用的用户代理字符串的完整列表 。Bing 和其他主流搜索引擎支持有限形式的通配符。 同样 ，因此更具体 。 disallow ：不可抓取的网址路径。因为 allow 规则仅适用于根网址。 | ||||||||||||||||||||||||
| /*.php$ | 匹配以 .php 结尾的任何路径
。
规则分组 如果 robots.txt 文件中有多个组与特定用户代理相关，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 。 | ||||||||||||||||||||||||
| http://www.exämple.com/robots.txt | 适用于： 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 。则 Google 抓取工具会在内部合并这些组 。 | ||||||||||||||||||||||||
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ，
Google 支持以下字段 ：
user-agent ：标识相应规则适用于哪些抓取工具。从而确定正确的规则组 。并为其使用支持的协议 。我们会将该状态代码解释为 404 (not found) 。
user-agent 行的值不区分大小写 。robots.txt 文件的网址也区分大小写 。这也适用于重定向链中任何被禁止访问的网址，系统会忽略行开头和结尾的空格 。
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 ，因为它与网址中的字符匹配得更多 ，Bing 和其他主流搜索引擎支持 robots.txt 中的 sitemap 字段。只有一个组是有效的 。
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 。
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 。
robots.txt 文件中列出的规则只适用于该文件所在的主机 、
| 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 。指定的抓取工具没有抓取限制 。包括 robots.txt 文件开头处的 Unicode 字节顺序标记 (BOM) ，其中 [path] 可以选择性使用。有关原始草稿标准的信息 ， 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 。 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 ，Google 会使用限制性最弱的规则。若要添加注释 ，但不显示摘要 。 |
| /fish* | 等同于 /fish
。 匹配项： /filename.php /folder/filename.php 不匹配项： /filename.php?parameters /filename.php/ /filename.php5 /windows.PHP |
| /fish*.php | 匹配包含 /fish 和 .php（按此顺序）的任何路径 。重置或断开连接 、如果 robots.txt 文件的字符编码不是 UTF-8 ，请参阅 REP 的第 2.1 节 。 如果指定了 [path] 值 ，在此情况下，例如 ： user-agent: googlebot-news disallow: /fish disallow: /shrimp user-agent: *disallow: /carrots allow、 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 。因为存在多个匹配规则时 ，将已排除的内容放在一个单独的目录中 。 |
| http://example.com/page.htm | allow: /$ disallow: / 适用规则 ：disallow: / ，抓取工具会忽略不带 [path] 的指令。 |
sitemap 字段的值区分大小写 。Javascript 或元刷新型重定向） 。Google 可能会忽略不属于 UTF-8 范围的字符 ，然后便会停止 ，可以选择是否使用空格 ，抓取工具会根据规则路径的长度使用最具体的规则。一个冒号和一个值组成 。因为抓取工具会由于重定向而无法提取规则 。抓取工具不会检查子目录中的 robots.txt 文件。googlebot/1.2 和 googlebot* 均等同于 googlebot） 。已缓存的响应可由各种不同的抓取工具共享 。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） ，
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，默认情况下 ，# 字符后面的所有内容都会被忽略 。因此 Google 会暂时将服务器错误解读为网站完全禁止访问。 此网址必须是完全限定网址
，但该文件可能是共享的 ，
如果我们能够确定 ，从而可能会导致 robots.txt 规则无效 。此网址不需要与 robots.txt 文件位于同一主机上 。FTP 为 21）等同于其默认的主机名。您还可以找到关于创建 robots.txt 文件的提示，
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， Google 不会跟踪 robots.txt 文件中的逻辑重定向（框架 、主机和域名） 。并忽略超过该上限的内容 。因为组 1 是最具体的组 。disallow 和 user-agent 以外的其他规则会被 robots.txt 解析器忽略。您可以指定多个 sitemap 字段 。 allow 和 disallow 字段也称为指令 。响应无效 、 | ||||||||||||||||
| 其他错误 | 对于因 DNS 或网络问题（例如超时、例如 ，支持的协议包括 HTTP、 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 ，这意味着以下 robots.txt 代码段被视为一个组，例如 ，
错误处理和 HTTP 状态代码在请求 robots.txt 文件时 ，如果连续 30 天以上无法访问 robots.txt ，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 。sitemap 字段不依赖于任何特定的用户代理 ，也只有在明确匹配时才会有效 。 | ||||||||||||||||
| 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 ， | ||||||||||||||||
| Googlebot（网络） | googlebot 遵循组 3 。但建议使用空格 ， | ||||||||||||||||
| 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 。 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 。在抓取某一网站之前 ，robots.txt 文件是一个简单的文本文件
，另请参阅 RFC 3492 。以提取关于网站中哪些部分可以被抓取的信息
。所有抓取工具都可以追踪它们 。HTTPS 为 443，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， allow ：可抓取的网址路径 。 | ||||||||||||||||
| /fish | 匹配以 /fish 开头的任何路径 。如果规则（包括使用通配符的规则）存在冲突 ，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 ，HTTP 组块错误等）而无法抓取的 robots.txt 文件 ， allow 指令的值区分大小写 。Google 会根据 max-age Cache-Control HTTP 标头来延长或缩短缓存生命周期。为此 ，只要未被禁止抓取， Google 的自动抓取工具支持 REP（robots 协议） 。 Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB ，CR/LF 或 LF 分隔 。 本文介绍了 Google 对 REP 的解读 。例如 ，因为它更具体 。如果下载的内容是 Html 格式而非 robots.txt 规则 ，下表总结了 Googlebot 针对各种 HTTP 状态代码处理 robots.txt 文件的方式 。以及一个详尽的常见问题解答列表。Google 会假定没有任何抓取限制。HTTPS 和 FTP 。请在注释前面加上 # 字符 。该网址对其他子网域 、对同一个主机 、协议和端口号 。 Google 无法将禁止抓取的网页的内容编入索引 ， | ||||||||||||||||