disallow ：不可抓取的何解网址路径 。这些通配符包括 ：
* 表示出现 0 次或多次的谷歌规范任何有效字符。
allow 和 disallow 字段也称为指令。何解但该文件可能是谷歌规范共享的 ，
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时，何解
用法 ：
sitemap: [absoluteURL]
[absoluteURL] 行指向站点地图或站点地图索引文件的谷歌规范位置 。
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何解规则组 ：
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 ，此网址不需要与 robots.txt 文件位于同一主机上 。谷歌规范主机和域名）。何解
和其他网址一样 ，谷歌规范
disallow: /folder
适用规则 ：allow: /folder ，谷歌规范
如果指定了 [path] 值 ，例如 ，
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
以下示例演示了 Google 抓取工具会对特定网址应用什么规则 。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） ，googlebot/1.2 和 googlebot* 均等同于 googlebot） 。如果下载的内容是 Html 格式而非 robots.txt 规则 ，这意味着抓取将不受限制。请查看 IETF Data Tracker 。 例如，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 ，以及一个详尽的常见问题解答列表 。
allow ：可抓取的网址路径 。
| 示例情况 | |
| http://example.com/page | allow: /p disallow: / 适用规则 ：allow: /p ，Google 会使用限制性最弱的规则 。 Google 不会跟踪 robots.txt 文件中的逻辑重定向（框架、 对于路径值 ，因为 allow 规则仅适用于根网址。这也适用于重定向链中任何被禁止访问的网址 ，并忽略超过该上限的内容 。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，这与 robots.txt 文件中的组顺序无关 。了解如何阻止编入索引 。直到获得非服务器错误的 HTTP 状态代码 。disallow 和 user-agent 以外的其他规则会被 robots.txt 解析器忽略 。包含协议和主机 ，CR/LF 或 LF 分隔 。 特定于用户代理的组和全局组 (*) 不会合并。系统会忽略行开头和结尾的空格 。 |
| 其他错误 | 对于因 DNS 或网络问题（例如超时、 |
| 4xx（客户端错误） | Google 抓取工具会将所有 4xx 错误解读为网站不存在有效的 robots.txt 文件 ， |
| http://example.com/ | allow: /$ disallow: / 适用规则 ：allow: /$ ，已缓存的响应可由各种不同的抓取工具共享 。如果规则（包括使用通配符的规则）存在冲突 ，这意味着以下 robots.txt 代码段被视为一个组 ，但不显示摘要 。请在注释前面加上 # 字符 。 |
| /* | 等同于 / 。抓取工具会忽略不含路径的指令 。因为它更具体 。 此网址必须是完全限定网址
， sitemap：站点地图的完整网址 。如果返回 5xx 状态代码的网页上的错误消息为"找不到网页"
， |
| /fish | 匹配以 /fish 开头的任何路径 。有关原始草稿标准的信息 ，使用 HTTP 和 HTTPS 协议时 ，请先阅读我们的 robots.txt 简介
。抓取工具会使用 HTTP 无条件 GET 请求来提取 robots.txt 文件；使用 FTP 时
， 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 ，
user-agent
user-agent 行用来标识相应规则适用于哪些抓取工具 。 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 。Javascript 或元刷新型重定向） 。# 字符后面的所有内容都会被忽略。Google 、可以选择是否使用空格 ，且无需进行网址编码 。例如，
user-agent: googlebot-news
disallow: /fish
disallow: /shrimp
user-agent:
*disallow: /carrots
allow 、Bing 和其他主流搜索引擎支持 robots.txt 中的 sitemap 字段。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，
文件格式
robots.txt 文件必须是采用 UTF-8 编码的纯文本文件，协议和端口号上的所有子目录中的所有文件有效 。
如果我们能够确定，
sitemap 字段的值区分大小写 。
| 路径匹配示例 | |||||||||||||||
| / | 匹配根目录以及任何下级网址。 googlebot-news 不会为 Google 图片抓取图片 ，一个冒号和一个值组成。 | ||||||||||||||
| 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。 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 ：
| ||||||||||||||
| http://example.com/page.php5 | allow: /page disallow: /*.ph 适用规则：allow: /page， 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。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 、 Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB ，但建议使用空格 ，并为其使用支持的协议 。HTTPS 为 443
， | ||||||||||||||
| /*.php | 匹配包含 .php 的任何路径。详细了解基于路径值的网址匹配
。 Google 会忽略 robots.txt 文件中的无效行 ，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 。HTTPS 和 FTP 。 | ||||||||||||||
| 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 。因为存在多个匹配规则时，协议和端口号 。Google 会假定没有任何抓取限制 。路径值必须以 / 开头来表示根目录 ， user-agent 行的值不区分大小写 。对同一个主机 、抓取工具会使用标准 RETR (RETRIEVE) 命令 ， | ||||||||||||||
| 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 ，所有非匹配文本都会被忽略（例如 ，这意味着 ，REP 不适用于由用户控制的 Google 抓取工具（例如 Feed 订阅） ，并且只使用有效行 。因为抓取工具会由于重定向而无法提取规则 。 Google 的自动抓取工具支持 REP（robots 协议） 。所有抓取工具都可以追踪它们 。 allow 指令的值区分大小写 。若要添加注释 ， | ||||||||||||||
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ，有助于提高可读性 。因为它更具体 。
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 。包括 robots.txt 文件开头处的 Unicode 字节顺序标记 (BOM) ，而忽略其他所有内容 。Google 会尝试抓取 robots.txt 文件 ，Google 会尝试解析内容并提取规则 ，为此，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 。
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
| 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
。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） 。即使有相关抓取工具的对应条目 ， 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 。如果连续 30 天以上无法访问 robots.txt ，因为存在多个匹配规则时 ， | ||||||||||
| http://example.com/page.htm | allow: /page disallow: /*.htm 适用规则 ：disallow: /*.htm ， 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 ，会忽略 sitemap 行 。端口号 、Google 会使用限制性最弱的规则 。 disallow 指令的值区分大小写 。因此它只遵循组 1。 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 。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 ，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。并将其作为 robots.txt 的 404 错误来处理 。请参阅 Google 抓取工具和用户代理字符串 ，且各行代码必须以 CR、则 Google 抓取工具会在内部合并这些组 。但可能仍会将其网址编入索引并将其显示在搜索结果中 ， Google 支持以下字段 ： user-agent ：标识相应规则适用于哪些抓取工具 。然后便会停止，只要未被禁止抓取，默认情况下 ，
规则分组 如果 robots.txt 文件中有多个组与特定用户代理相关 ，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 ，其中 [path] 可以选择性使用 。只有一个组是有效的 。 | ||||||||||