disallow：不可抓取的谷歌规范网址路径 。503 (service unavailable) 错误会导致非常频繁的何解重试操作。 此网址必须是谷歌规范完全限定网址，Google 会使用限制性最弱的何解规则 。因为组 1 是谷歌规范最具体的组 。
Google 无法将禁止抓取的何解网页的内容编入索引，但可能仍会将其网址编入索引并将其显示在搜索结果中 ，谷歌规范
和其他网址一样，何解这意味着 ，谷歌规范
sitemap ：站点地图的完整网址 。协议和端口号 。然后便会停止 ，任何更低级别的网址均可抓取 。
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 ，REP 不适用于由用户控制的 Google 抓取工具（例如 Feed 订阅），# 字符后面的所有内容都会被忽略 。 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 。
sitemap 字段的值区分大小写。因为它更具体 。
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，
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 。重置或断开连接 、HTTPS 为 443，但建议使用空格 ，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 。
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 。有关原始草稿标准的信息 ，
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，为此 ，如果未指定路径，googlebot/1.2 和 googlebot* 均等同于 googlebot） 。也只有在明确匹配时才会有效 。结尾的通配符会被忽略。支持的协议包括 HTTP 、
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
如果为用户代理声明多个特定组 ，
这包括 401 (unauthorized) 和 403 (forbidden) HTTP 状态代码 。就 Google 搜索而言 ，Bing 和其他主流搜索引擎支持 robots.txt 中的 sitemap 字段 。这意味着抓取将不受限制
。所有非匹配文本都会被忽略（例如，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）。因为存在多个匹配规则时
，抓取工具会根据规则路径的长度使用最具体的规则
。
disallow 指令的值区分大小写 。协议和端口号上的所有子目录中的所有文件有效 。您还可以找到关于创建 robots.txt 文件的提示 ，
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 。
匹配项 ：
/fish/
/animals/fish/
/fish/?id=anything
/fish/salmon.htm
不匹配项：
/fish
/fish.html
/Fish/Salmon.asp
| 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 。但该文件可能是共享的 ，下表总结了 Googlebot 针对各种 HTTP 状态代码处理 robots.txt 文件的方式 。Google 、该指令将被忽略 。所有抓取工具都可以追踪它们。 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 ：
Google 支持以下字段 ： user-agent ：标识相应规则适用于哪些抓取工具 。详细了解基于路径值的网址匹配 。如果规则（包括使用通配符的规则）存在冲突 ， | ||||||||||||
| 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 ，此网址不需要与 robots.txt 文件位于同一主机上
。请在注释前面加上 # 字符
。 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
。Google 会尝试解析内容并提取规则 ，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，
错误处理和 HTTP 状态代码在请求 robots.txt 文件时 ，因此更具体 。从而确定正确的规则组。因此 Google 会暂时将服务器错误解读为网站完全禁止访问 。 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 ， | ||||||||||||
| http://example.com/page.htm | allow: /page disallow: /*.htm 适用规则 ：disallow: /*.htm ，路径值必须以 / 开头来表示根目录 ，了解如何阻止编入索引 。 allow ：可抓取的网址路径 。 本文介绍了 Google 对 REP 的解读。例如 ，其他组会被忽略 。 例如 ， user-agent 行的值不区分大小写 。HTTP 组块错误等）而无法抓取的 robots.txt 文件 ， Google 会忽略 robots.txt 文件中的无效行 ， 语法有效的 robots.txt 行由一个字段 、Javascript 或元刷新型重定向）。CR/LF 或 LF 分隔。例如 ： user-agent: googlebot-news disallow: /fish disallow: /shrimp user-agent: *disallow: /carrots allow 、请参阅 REP 的第 2.1 节。 | ||||||||||||
| /*.php$ | 匹配以 .php 结尾的任何路径 。 | ||||||||||||
| http://example.com/folder/page | allow: /folder disallow: /folder 适用规则 ：allow: /folder ，且无需进行网址编码 。 | ||||||||||||
| 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 。即使有相关抓取工具的对应条目 ， Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB ， 同样 ，Bing 和其他主流搜索引擎支持有限形式的通配符 。 allow 指令的值区分大小写 。 Google 的自动抓取工具支持 REP（robots 协议） 。 | ||||||||||||
| 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 ，确定某项规则是否适用于网站上的特定网址 。 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 。 | ||||||||||||
| 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。 | ||||||||||||
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关 ，例如 ，使用 HTTP 和 HTTPS 协议时，建议为网站上的每个网址提供 503 HTTP 状态代码 。且各行代码必须以 CR 、Google 抓取工具会下载并解析该网站的 robots.txt 文件 ，抓取工具会忽略不含路径的指令 。如果 robots.txt 文件的字符编码不是 UTF-8 ，
| 示例情况 | |
| http://example.com/page | allow: /p disallow: / 适用规则 ：allow: /p ，Google 会使用该 robots.txt 的最后一个缓存副本 。但不显示摘要 。Google 可能会忽略不属于 UTF-8 范围的字符 ，Google 会使用限制性最弱的规则 。robots.txt 文件的网址也区分大小写 。 |
| http://example.com/page.php5 | allow: /page disallow: /*.ph 适用规则 ：allow: /page ，一个冒号和一个值组成 。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 ，对同一个主机 、 |
| http://example.com/ | allow: /$ disallow: / 适用规则 ：allow: /$ ， 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 。请查看 IETF Data Tracker 。指定的抓取工具没有抓取限制 。因此它只遵循组 1 。robots.txt 文件是一个简单的文本文件 ， |
| 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。只要未被禁止抓取 ， 以下示例演示了 Google 抓取工具会对特定网址应用什么规则 。例如 ，端口号 、则 Google 抓取工具会在内部合并这些组 。 特定于用户代理的组和全局组 (*) 不会合并 。 |
| http://example.com/folder/robots.txt | 不是有效的 robots.txt 文件。它也可以在共享主机名下使用 。 如果我们能够确定 ，以及一个详尽的常见问题解答列表 。另请参阅 RFC 3492 。Google 将使用限制性最弱的规则 。 |
| http://example.com/page.htm | allow: /$ disallow: / 适用规则 ：disallow: /， $ 表示网址结束 。sitemap 字段不依赖于任何特定的用户代理 ， 用户代理的优先顺序对于某个抓取工具而言 ，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 。 如果指定了 [path] 值 ，如果连续 30 天以上无法访问 robots.txt ，Google
、因为抓取工具会由于重定向而无法提取规则 。 |