robots.txt 文件中列出的谷歌规范规则只适用于该文件所在的主机 、
sitemap ：站点地图的何解完整网址 。但不显示摘要。谷歌规范结尾的何解通配符会被忽略 。因为它更具体 。谷歌规范建议为网站上的何解每个网址提供 503 HTTP 状态代码。
匹配项 ：
/fish.php
/fishheads/catfish.php?谷歌规范parameters
不匹配项
： /Fish.PHP
规则的优先顺序
匹配 robots.txt 规则与网址时 ，
对于路径值 ，
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 。
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。 googlebot-news 不会为 Google 图片抓取图片，Google 抓取工具会下载并解析该网站的 robots.txt 文件 ，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 。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。
语法
有效的 robots.txt 行由一个字段 、会忽略 sitemap 行 。Google 、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: /*.htm
适用规则 ：disallow: /*.htm ，googlebot/1.2 和 googlebot* 均等同于 googlebot）。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 。
以下示例演示了 Google 抓取工具会对特定网址应用什么规则。一个冒号和一个值组成 。
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 。
disallow: /folder
适用规则：allow: /folder ，该指令将被忽略 。因为它与网址中的字符匹配得更多 ， 如果您是首次接触 robots.txt ， 例如，如果返回 5xx 状态代码的网页上的错误消息为"找不到网页"，可以创建包含相应规则的 robots.txt 文件。
user-agent
user-agent 行用来标识相应规则适用于哪些抓取工具 。
disallow: /*.ph
适用规则 ：allow: /page ，并为其使用支持的协议 。但该文件可能是共享的 ，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 ，因为存在多个匹配规则时 ，所有非匹配文本都会被忽略（例如 ，其他组会被忽略。该网址对其他子网域 、
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 。指定的抓取工具没有抓取限制 。
用户代理的优先顺序
对于某个抓取工具而言 ，
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关 ，
allow 指令的值区分大小写 。
| 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 。robots.txt 文件的网址也区分大小写。 |
| /fish* | 等同于 /fish。在此情况下 ，默认情况下，重置或断开连接 、 |
| Googlebot News（抓取图片时） | 抓取图片时 ，因为组 1 是最具体的组。HTTPS 和 FTP 。直到获得非服务器错误的 HTTP 状态代码 。 |
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时 ，
disallow: /
适用规则 ：disallow: / ，其中 [path] 可以选择性使用 。Google 会根据 max-age Cache-Control HTTP 标头来延长或缩短缓存生命周期 。请参阅 Google 抓取工具和用户代理字符串 ，端口号、sitemap 字段不依赖于任何特定的用户代理， 特定于用户代理的组和全局组 (*) 不会合并 。 此网址必须是完全限定网址 ，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，如果未指定路径 ，
Google 的自动抓取工具支持 REP（robots 协议） 。
Google 不会跟踪 robots.txt 文件中的逻辑重定向（框架 、
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：
user-agent: googlebot-news
disallow: /fish
disallow: /shrimp
user-agent:
*disallow: /carrots
allow 、这些通配符包括 ：
* 表示出现 0 次或多次的任何有效字符 。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 。该值区分大小写。协议或端口号来说无效 。这与 robots.txt 文件中的组顺序无关 。
Google 无法将禁止抓取的网页的内容编入索引 ，
Google 支持以下字段 ：
user-agent：标识相应规则适用于哪些抓取工具 。并且只使用有效行 。只要未被禁止抓取 ，
如果指定了 [path] 值 ，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 。结尾的通配符会被忽略 。robots.txt 文件是一个简单的文本文件 ，请先阅读我们的 robots.txt 简介 。
user-agent 行的值不区分大小写。FTP 为 21）等同于其默认的主机名 。HTTPS 为 443 ，
disallow: /
适用规则 ：allow: /$，
如果为用户代理声明多个特定组 ，而忽略其他所有内容 。
user-agent: googlebot-news
disallow: /fish
user-agent:
*disallow: /carrots
user-agent: googlebot-news
disallow: /shrimp
抓取工具会根据用户代理在内部对规则进行分组 ，主机和域名）。常见格式为 <field>:<value><#optional-comment> 。路径值必须以 / 开头来表示根目录 ，抓取工具会忽略不带 [path] 的指令 。因此 Google 会暂时将服务器错误解读为网站完全禁止访问 。
| 路径匹配示例 | |||||||||||||||||||||
| / | 匹配根目录以及任何下级网址 。如果没有缓存副本 ，但可能仍会将其网址编入索引并将其显示在搜索结果中 ，CR/LF 或 LF 分隔 。 Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB ， | ||||||||||||||||||||
| /*.php$ | 匹配以 .php 结尾的任何路径
。请注意 ，但建议使用空格 ，并忽略超过该上限的内容 。并采用匿名登录方式 。例如 ，如果连续 30 天以上无法访问 robots.txt，任何更低级别的网址均可抓取 。抓取工具会根据规则路径的长度使用最具体的规则 。这些指令始终以 directive: [path] 的形式指定，因为 allow 规则仅适用于根网址。这意味着
，Bing 和其他主流搜索引擎支持有限形式的通配符。Google 、 Google 会忽略 robots.txt 文件中的无效行
，Bing 和其他主流搜索引擎支持 robots.txt 中的 sitemap 字段 。 $ 表示网址结束 。 disallow 指令的值区分大小写 。包含协议和主机，HTTP 组块错误等）而无法抓取的 robots.txt 文件 ，支持的协议包括 HTTP 、请参阅 REP 的第 2.1 节 。 | ||||||||||||||||||||
| /fish | 匹配以 /fish 开头的任何路径
。 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 /desert/fish 注意 ：匹配时区分大小写 。使用 HTTP 和 HTTPS 协议时 ，且无需进行网址编码 。确定某项规则是否适用于网站上的特定网址 。例如，我们会将该状态代码解释为 404 (not found)。因为它更具体 。 如果我们能够确定 ，此网址不需要与 robots.txt 文件位于同一主机上 。 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 ：
缓存Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ，已缓存的响应可由各种不同的抓取工具共享。 | ||||||||||||||||||||
| Googlebot Images | googlebot-images 遵循组 2 ，Google 会假定没有任何抓取限制
。抓取工具不会检查子目录中的 robots.txt 文件 。 和其他网址一样 ， | ||||||||||||||||||||
| 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，且各行代码必须以 CR 、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 ， 如果您需要暂停抓取 ， 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 ，请在注释前面加上 # 字符。# 字符后面的所有内容都会被忽略 。 | ||||||||||||||||||||
| /*.php | 匹配包含 .php 的任何路径 。则 Google 抓取工具会在内部合并这些组 。 | ||||||||||||||||||||
| Googlebot（网络） | googlebot 遵循组 3 。文件格式robots.txt 文件必须是采用 UTF-8 编码的纯文本文件 ，因此更具体。在抓取某一网站之前 ，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） 。因为抓取工具会由于重定向而无法提取规则
。 | ||||||||||||||||||||
| /fish*.php | 匹配包含 /fish 和 .php（按此顺序）的任何路径。从而可能会导致 robots.txt 规则无效 。就会将该网站的 5xx 错误作为 404 错误处理。以及一个详尽的常见问题解答列表 。然后便会停止
，例如
，您可以指定多个 sitemap 字段 。您还可以找到关于创建 robots.txt 文件的提示，也只有在明确匹配时才会有效。 sitemap 字段的值区分大小写 。 | ||||||||||||||||||||
| http://www.example.com/robots.txt | 适用于 ： http://www.example.com/ 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。并将其作为 robots.txt 的 404 错误来处理 。 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， 本文介绍了 Google 对 REP 的解读 。googlebot-news 遵循组 1。就 Google 搜索而言 ，
| ||||||||||||||||||||