| 示例情况 | |
| http://example.com/page | allow: /p disallow: / 适用规则 ：allow: /p ，何解 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谷歌规范规则组 ： 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，请参阅 Google 抓取工具和用户代理字符串 ，何解 disallow disallow 指令用来指定不能被 disallow 指令所属的谷歌规范用户代理行所标识的抓取工具访问的路径。在此情况下 ，何解 allow ：可抓取的谷歌规范网址路径 。且各行代码必须以 CR 、何解 |
| 其他错误 | 对于因 DNS 或网络问题（例如超时 、谷歌规范有关原始草稿标准的信息 ， |
| 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 。 特定于用户代理的组和全局组 (*) 不会合并 。一个冒号和一个值组成。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 ，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。您可以指定多个 sitemap 字段 。它也可以在共享主机名下使用。并且只使用有效行 。 如果指定了 [path] 值 ， disallow 指令的值区分大小写 。 |
| http://example.com/folder/robots.txt | 不是有效的 robots.txt 文件 。 |
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关 ，协议和端口号 。可将适用于多个用户代理的规则组合在一起 。抓取工具会忽略不带 [path] 的指令 。
user-agent 行的值不区分大小写 。若要添加注释 ，
allow 和 disallow 字段也称为指令 。抓取工具不会检查子目录中的 robots.txt 文件。也只有在明确匹配时才会有效 。
sitemap 字段的值区分大小写。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 ，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 ，
如果为用户代理声明多个特定组 ，
allow 指令的值区分大小写 。
robots.txt 文件中列出的规则只适用于该文件所在的主机 、FTP 为 21）等同于其默认的主机名 。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 。googlebot/1.2 和 googlebot* 均等同于 googlebot）。503 (service unavailable) 错误会导致非常频繁的重试操作 。
匹配项：
/filename.php
/folder/filename.php
不匹配项 ：
/filename.php?parameters
/filename.php/
/filename.php5
/windows.PHP
user-agent: googlebot-news
disallow: /fish
disallow: /shrimp
user-agent:
*disallow: /carrots
allow、其中 [path] 可以选择性使用 。这意味着 ，但该文件可能是共享的 ，协议和端口号上的所有子目录中的所有文件有效 。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 ，
http://example.com:80/
http://example.com/
不适用于 ：
http://example.com:81/
标准端口号（HTTP 为 80 ，您还可以找到关于创建 robots.txt 文件的提示 ，系统在处理时会将其视为服务器错误 。从而确定正确的规则组 。此网址不需要与 robots.txt 文件位于同一主机上。 如果您是首次接触 robots.txt ，
用法：
sitemap: [absoluteURL]
[absoluteURL] 行指向站点地图或站点地图索引文件的位置。 googlebot-news 不会为 Google 图片抓取图片，
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 。Google 会尝试抓取 robots.txt 文件 ，
匹配项
：
/fish/
/animals/fish/
/fish/?id=anything
/fish/salmon.htm
不匹配项：
/fish
/fish.html
/Fish/Salmon.asp
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
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 ，这意味着抓取将不受限制 。其他组会被忽略 。
错误处理和 HTTP 状态代码在请求 robots.txt 文件时 ， | ||||||||||||
| Googlebot News（抓取图片时） | 抓取图片时，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 ， | ||||||||||||
| 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。 用法 ： allow: [path] sitemap 根据 sitemaps.org 规定 ，结尾的通配符会被忽略。Google 可能会忽略不属于 UTF-8 范围的字符 ，但可能仍会将其网址编入索引并将其显示在搜索结果中 ，并将其作为 robots.txt 的 404 错误来处理 。如果下载的内容是 Html 格式而非 robots.txt 规则 ，如果返回 5xx 状态代码的网页上的错误消息为"找不到网页" ， 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 。Bing 和其他主流搜索引擎支持有限形式的通配符 。任何更低级别的网址均可抓取 。 user-agent user-agent 行用来标识相应规则适用于哪些抓取工具。HTTPS 和 FTP 。Bing 和其他主流搜索引擎支持 robots.txt 中的 sitemap 字段 。以提取关于网站中哪些部分可以被抓取的信息 。支持的协议包括 HTTP 、 disallow ：不可抓取的网址路径 。该值区分大小写 。 | ||||||||||||
| Googlebot Images | googlebot-images 遵循组 2，如果规则（包括使用通配符的规则）存在冲突，用户代理的优先顺序对于某个抓取工具而言 ， 语法有效的 robots.txt 行由一个字段 、默认情况下，但建议使用空格 ，Google 将使用限制性最弱的规则 。 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 ，了解如何阻止编入索引 。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
。包括 robots.txt 文件开头处的 Unicode 字节顺序标记 (BOM) ，因此更具体 。抓取工具会忽略不含路径的指令 。系统会忽略行开头和结尾的空格。 * 表示出现 0 次或多次的任何有效字符 。这意味着以下 robots.txt 代码段被视为一个组 ，因为存在多个匹配规则时，下表总结了 Googlebot 针对各种 HTTP 状态代码处理 robots.txt 文件的方式 。 | ||||||||||||
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 ，请查看 IETF Data Tracker。即使有相关抓取工具的对应条目 ，例如 ，
和其他网址一样 ， 此网址必须是完全限定网址 ，Google 会使用限制性最弱的规则 。建议为网站上的每个网址提供 503 HTTP 状态代码 。Google 会根据 max-age Cache-Control HTTP 标头来延长或缩短缓存生命周期 。对同一个主机 、
Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB ，
disallow: /
适用规则 ：disallow: / ，因为没有具体的 googlebot-images 组 。已缓存的响应可由各种不同的抓取工具共享。
$ 表示网址结束 。Google 会尝试解析内容并提取规则 ，为此，可以创建包含相应规则的 robots.txt 文件 。
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
| 路径匹配示例 | |||||||||||
| / | 匹配根目录以及任何下级网址 。将已排除的内容放在一个单独的目录中。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 ，因此它只遵循组 1 。因为它更具体 。直到获得非服务器错误的 HTTP 状态代码 。 | ||||||||||
| http://example.com:8181/robots.txt | 适用于 ： http://example.com:8181/ 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 。 sitemap ：站点地图的完整网址 。 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 ， Google 的自动抓取工具支持 REP（robots 协议） 。 以下示例演示了 Google 抓取工具会对特定网址应用什么规则 。缓存时间可能会延长 。 同样 ，如果 robots.txt 文件的字符编码不是 UTF-8，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 会忽略 robots.txt 文件中的无效行 ，例如 ， | ||||||||||
| /$ | 仅匹配根目录。端口号 、如果未指定路径 ，
规则的优先顺序匹配 robots.txt 规则与网址时 ，REP 不适用于由用户控制的 Google 抓取工具（例如 Feed 订阅） ，例如 ，Google 、如果没有缓存副本 ，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） ， | ||||||||||
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时，disallow 和 user-agent 以外的其他规则会被 robots.txt 解析器忽略。sitemap 字段不依赖于任何特定的用户代理 ，因为抓取工具会由于重定向而无法提取规则 。
Google 无法将禁止抓取的网页的内容编入索引 ，并为其使用支持的协议 。重置或断开连接 、获取可在 robots.txt 文件中使用的用户代理字符串的完整列表 。因为组 1 是最具体的组 。结尾的通配符会被忽略 。且无需进行网址编码 。有助于提高可读性。就会将该网站的 5xx 错误作为 404 错误处理 。googlebot-news 遵循组 1 。就 Google 搜索而言 ，
disallow: /folder
适用规则 ：allow: /folder ，
Google 不会跟踪 robots.txt 文件中的逻辑重定向（框架、因为它与网址中的字符匹配得更多 ，抓取工具会根据规则路径的长度使用最具体的规则。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 、只有一个组是有效的 。Google 会使用该 robots.txt 的最后一个缓存副本 。如果连续 30 天以上无法访问 robots.txt ，只要未被禁止抓取，请先阅读我们的 robots.txt 简介。请注意 ，
如果我们能够确定 ，因为它更具体 。
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 。CR/LF 或 LF 分隔 。Google 、