disallow: /
适用规则 ：allow: /$，谷歌规范如果规则（包括使用通配符的何解规则）存在冲突 ，Google 会使用限制性最弱的谷歌规范规则 。抓取工具会忽略不带 [path] 的何解指令 。Bing 和其他主流搜索引擎支持有限形式的谷歌规范通配符 。如果返回 5xx 状态代码的何解网页上的错误消息为"找不到网页" ，因为存在多个匹配规则时 ，谷歌规范因为它更具体。何解而忽略其他所有内容。谷歌规范
| 错误处理和 HTTP 状态代码 | |||||||||||
| 2xx（成功） | 表示成功的何解 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 。缓存时间可能会延长 。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。REP 不适用于由用户控制的谷歌规范 Google 抓取工具（例如 Feed 订阅） ， 如果指定了 [path] 值
，何解Google 抓取工具会在 robots.txt 文件中查找包含与抓取工具的谷歌规范用户代理相匹配的最具体用户代理的组
， 同样 ，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 。 | ||||||||||
| /*.php | 匹配包含 .php 的任何路径
。 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
。 allow 和 disallow 字段也称为指令 。 | ||||||||||
| 其他错误 | 对于因 DNS 或网络问题（例如超时 、所有非匹配文本都会被忽略（例如，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 。 如果为用户代理声明多个特定组 ，Google 会根据 max-age Cache-Control HTTP 标头来延长或缩短缓存生命周期。因此 Google 会暂时将服务器错误解读为网站完全禁止访问 。只有一个组是有效的 。抓取工具会根据规则路径的长度使用最具体的规则。抓取工具会使用标准 RETR (RETRIEVE) 命令 ，就会将该网站的 5xx 错误作为 404 错误处理 。请查看 IETF Data Tracker。主机和域名） 。这些指令始终以 directive: [path] 的形式指定 ，
缓存Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ， 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。 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 ， | ||||||||||
| 3xx（重定向） | Google 会按照 RFC 1945 的规定跟踪至少五次重定向 ，因为它更具体 。 对于路径值，有助于提高可读性 。系统在处理时会将其视为服务器错误 。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 ， | ||||||||||
| 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。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 。了解如何阻止编入索引 。 此网址必须是完全限定网址 ， Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB ， user-agent user-agent 行用来标识相应规则适用于哪些抓取工具 。 | ||||||||||
| /$ | 仅匹配根目录 。请在注释前面加上 # 字符 。googlebot/1.2 和 googlebot* 均等同于 googlebot）。Google 会假定没有任何抓取限制 。但该文件可能是共享的 ，该网址对其他子网域 、常见格式为 <field>:<value><#optional-comment> 。 特定于用户代理的组和全局组 (*) 不会合并 。其他组会被忽略 。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 ，Google 、 | ||||||||||
| http://example.com/page.htm | allow: /$ disallow: / 适用规则 ：disallow: / ，disallow 和 user-agent 以外的其他规则会被 robots.txt 解析器忽略 。503 (service unavailable) 错误会导致非常频繁的重试操作 。 | ||||||||||
| 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 。 | ||||||||||
| 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 。也只有在明确匹配时才会有效 。 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，支持的协议包括 HTTP、
Google 不会跟踪 robots.txt 文件中的逻辑重定向（框架 、因为没有具体的 googlebot-images 组 。这意味着，Google 会使用该 robots.txt 的最后一个缓存副本 。一个冒号和一个值组成 。
语法
有效的 robots.txt 行由一个字段 、将已排除的内容放在一个单独的目录中 。Google 会尝试抓取 robots.txt 文件 ，
disallow 指令的值区分大小写 。如果没有缓存副本 ，
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时 ，
和其他网址一样 ，
disallow: /*.ph
适用规则 ：allow: /page，即使有相关抓取工具的对应条目 ，
用户代理的优先顺序
对于某个抓取工具而言 ，此网址不需要与 robots.txt 文件位于同一主机上 。详细了解基于路径值的网址匹配 。
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 ，并将其作为 robots.txt 的 404 错误来处理 。HTTP 组块错误等）而无法抓取的 robots.txt 文件 ， | ||||||||||||||
| Otherbot（网络） | 其他 Google 抓取工具遵循组 2 。已缓存的响应可由各种不同的抓取工具共享 。HTTPS 和 FTP 。因为存在多个匹配规则时 ，CR/LF 或 LF 分隔。并且只使用有效行。且无需进行网址编码 。但可能仍会将其网址编入索引并将其显示在搜索结果中 ，因此它只遵循组 1。可以选择是否使用空格 ，例如 ， googlebot-news 不会为 Google 图片抓取图片 ，若要添加注释 ， | ||||||||||||||
| /fish | 匹配以 /fish 开头的任何路径。 Google 会忽略 robots.txt 文件中的无效行 ，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 ，但不显示摘要 。确定某项规则是否适用于网站上的特定网址 。
| ||||||||||||||
| 5xx（服务器错误） | 由于服务器无法对 Google 的 robots.txt 请求提供明确响应，并为其使用支持的协议 。结尾的通配符会被忽略 。sitemap 字段不依赖于任何特定的用户代理 ，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 。Google 可能会忽略不属于 UTF-8 范围的字符 ， | ||||||||||||||
| 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 。任何更低级别的网址均可抓取 。 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 ， | ||||||||||||||
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关 ，系统会忽略行开头和结尾的空格 。重置或断开连接 、
$ 表示网址结束 。所有抓取工具都可以追踪它们 。请参阅 REP 的第 2.1 节 。会忽略 sitemap 行。
user-agent 行的值不区分大小写 。
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 。只要未被禁止抓取 ，另请参阅 RFC 3492 。抓取工具不会检查子目录中的 robots.txt 文件 。
allow ：可抓取的网址路径 。
* 表示出现 0 次或多次的任何有效字符。
| 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 。我们会将该状态代码解释为 404 (not found) 。从而确定正确的规则组 。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 。 |
| 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 ，抓取工具会忽略不含路径的指令。例如 ， 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
。该指令将被忽略 。 Google 的自动抓取工具支持 REP（robots 协议） 。在抓取某一网站之前 ， 如果您是首次接触 robots.txt ， robots.txt 文件中列出的规则只适用于该文件所在的主机、例如 ，就 Google 搜索而言， |