http://example.com:80/
http://example.com/
不适用于：
http://example.com:81/
标准端口号（HTTP 为 80 ，何解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），该值区分大小写 。何解以及一个详尽的谷歌规范常见问题解答列表。您可以通过整合会导致 robots.txt 文件过大的何解指令来减小 robots.txt 文件的大小 。抓取工具会根据规则路径的谷歌规范长度使用最具体的规则。例如 ，何解所有抓取工具都可以追踪它们 。谷歌规范503 (service unavailable) 错误会导致非常频繁的何解重试操作 。
如果为用户代理声明多个特定组
，谷歌规范就 Google 搜索而言 ，何解因此 Google 会暂时将服务器错误解读为网站完全禁止访问
。谷歌规范# 字符后面的所有内容都会被忽略 。结尾的通配符会被忽略 。如果下载的内容是 Html 格式而非 robots.txt 规则，包含协议和主机
，
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
在请求 robots.txt 文件时 ，
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 。若要添加注释
，
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。且无需进行网址编码 。
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 ，对同一个主机、
Google 的自动抓取工具支持 REP（robots 协议） 。了解如何阻止编入索引 。抓取工具会忽略不带 [path] 的指令 。有助于提高可读性 。sitemap 字段不依赖于任何特定的用户代理，支持的协议包括 HTTP 、请先阅读我们的 robots.txt 简介。
用法 ：
sitemap: [absoluteURL]
[absoluteURL] 行指向站点地图或站点地图索引文件的位置 。下表总结了 Googlebot 针对各种 HTTP 状态代码处理 robots.txt 文件的方式 。
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
* 表示出现 0 次或多次的任何有效字符 。请在注释前面加上 # 字符 。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，
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 ，请注意 ，Google 会根据 max-age Cache-Control HTTP 标头来延长或缩短缓存生命周期 。
如果指定了 [path] 值 ，
disallow: /folder
适用规则 ：allow: /folder ，将已排除的内容放在一个单独的目录中 。抓取工具会忽略不含路径的指令 。且各行代码必须以 CR 、因为它更具体。协议或端口号来说无效。
allow：可抓取的网址路径。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 ，
$ 表示网址结束。并且只使用有效行 。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 ，详细了解基于路径值的网址匹配。因为没有具体的 googlebot-images 组。
Google 支持以下字段 ：
user-agent：标识相应规则适用于哪些抓取工具。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 ，robots.txt 文件是一个简单的文本文件 ，
| 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 。 本文介绍了 Google 对 REP 的解读 。Google 会尝试抓取 robots.txt 文件 ，因为它与网址中的字符匹配得更多 ，例如 ： user-agent: googlebot-news disallow: /fish disallow: /shrimp user-agent: *disallow: /carrots allow 、 |
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ，这意味着， 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 。
Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB ，协议和端口号上的所有子目录中的所有文件有效 。
allow 和 disallow 字段也称为指令 。可以创建包含相应规则的 robots.txt 文件 。如果 robots.txt 文件的字符编码不是 UTF-8 ，然后便会停止 ，CR/LF 或 LF 分隔 。常见格式为 <field>:<value><#optional-comment> 。
| 示例情况 | |||||||||||||||||||||||
| http://example.com/page | allow: /p disallow: / 适用规则 ：allow: /p ， 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 。在此情况下 ， 同样 ，路径值必须以 / 开头来表示根目录，如果返回 5xx 状态代码的网页上的错误消息为"找不到网页"，包括 robots.txt 文件开头处的 Unicode 字节顺序标记 (BOM) ，抓取工具不会检查子目录中的 robots.txt 文件 。因为存在多个匹配规则时 ， 语法有效的 robots.txt 行由一个字段 、缓存时间可能会延长。 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 ，可将适用于多个用户代理的规则组合在一起 。 disallow 指令的值区分大小写 。所有非匹配文本都会被忽略（例如 ，Google 将使用限制性最弱的规则 。Google 、 | ||||||||||||||||||||||
| http://example.com/page.php5 | allow: /page disallow: /*.ph 适用规则 ：allow: /page ， 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 ，任何更低级别的网址均可抓取 。有关原始草稿标准的信息，从而可能会导致 robots.txt 规则无效 。例如 ， Google 会忽略 robots.txt 文件中的无效行，robots.txt 文件的网址也区分大小写。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 ， robots.txt 文件中列出的规则只适用于该文件所在的主机 、确定某项规则是否适用于网站上的特定网址 。 | ||||||||||||||||||||||
| http://example.com/ | allow: /$ disallow: / 适用规则 ：allow: /$ ，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 。 sitemap：站点地图的完整网址。可以选择是否使用空格
， | ||||||||||||||||||||||
| /*.php | 匹配包含 .php 的任何路径 。例如，Google 、因此它只遵循组 1 。disallow 和 user-agent 以外的其他规则会被 robots.txt 解析器忽略 。这也适用于重定向链中任何被禁止访问的网址 ，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 ，Google 会使用限制性最弱的规则 。 | ||||||||||||||||||||||
| 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 ，协议和端口号 。 user-agent 行的值不区分大小写 。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 。
规则分组 如果 robots.txt 文件中有多个组与特定用户代理相关 ， | ||||||||||||||||||||||
| http://example.com/folder/robots.txt | 不是有效的 robots.txt 文件 。获取可在 robots.txt 文件中使用的用户代理字符串的完整列表 。 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 。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 ，因此更具体 。HTTPS 为 443，响应无效、因为组 1 是最具体的组 。会忽略 sitemap 行 。并采用匿名登录方式 。 | ||||||||||||||||||||||
| 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 。您还可以找到关于创建 robots.txt 文件的提示，就会将该网站的 5xx 错误作为 404 错误处理 。
| ||||||||||||||||||||||