不适用于：
http://example.com/
http://shop.www.example.com/
http://www.shop.example.com/
子网域上的谷歌规范 robots.txt 只对该子网域有效 。该路径值就是何解 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 会使用该 robots.txt 的谷歌规范最后一个缓存副本 。系统会忽略行开头和结尾的何解空格 。结尾的谷歌规范通配符会被忽略 。这些指令始终以 directive: [path] 的何解形式指定 ，
user-agent 行的谷歌规范值不区分大小写 。
匹配项 ：
/fish.php
/fishheads/catfish.php?何解parameters
不匹配项 ： /Fish.PHP
规则的优先顺序
匹配 robots.txt 规则与网址时 ，直到获得非服务器错误的谷歌规范 HTTP 状态代码 。可将适用于多个用户代理的何解规则组合在一起
。
这包括 401 (unauthorized) 和 403 (forbidden) HTTP 状态代码
。谷歌规范
# 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，缓存时间可能会延长 。 特定于用户代理的组和全局组 (*) 不会合并 。则 Google 抓取工具会在内部合并这些组 。
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 。您可以指定多个 sitemap 字段 。建议为网站上的每个网址提供 503 HTTP 状态代码 。Google 可能会忽略不属于 UTF-8 范围的字符 ，
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 ，其中 [path] 可以选择性使用 。任何更低级别的网址均可抓取。抓取工具会忽略不含路径的指令 。协议或端口号来说无效 。
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 ，
以下示例演示了 Google 抓取工具会对特定网址应用什么规则 。这些通配符包括 ：
* 表示出现 0 次或多次的任何有效字符 。
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 。协议和端口号上的所有子目录中的所有文件有效 。请在注释前面加上 # 字符 。如果返回 5xx 状态代码的网页上的错误消息为"找不到网页" ，已缓存的响应可由各种不同的抓取工具共享 。
Google 不会跟踪 robots.txt 文件中的逻辑重定向（框架 、只要未被禁止抓取，Bing 和其他主流搜索引擎支持有限形式的通配符。Google、并为其使用支持的协议 。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 ，HTTP 组块错误等）而无法抓取的 robots.txt 文件，为此 ，
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 。因此它只遵循组 1 。因为抓取工具会由于重定向而无法提取规则 。Javascript 或元刷新型重定向） 。# 字符后面的所有内容都会被忽略。一个冒号和一个值组成 。sitemap 字段不依赖于任何特定的用户代理，您还可以找到关于创建 robots.txt 文件的提示 ，路径值必须以 / 开头来表示根目录 ，抓取工具会根据规则路径的长度使用最具体的规则。若要添加注释 ，确定某项规则是否适用于网站上的特定网址 。
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 。因为没有具体的 googlebot-images 组 。常见格式为 <field>:<value><#optional-comment> 。
user-agent
user-agent 行用来标识相应规则适用于哪些抓取工具 。
robots.txt 文件中列出的规则只适用于该文件所在的主机 、 此网址必须是完全限定网址 ，但不显示摘要 。
用法 ：
allow: [path]
sitemap
根据 sitemaps.org 规定 ，
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。 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 。所有抓取工具都可以追踪它们。如果 robots.txt 文件的字符编码不是 UTF-8 ，Google 、
Google 无法将禁止抓取的网页的内容编入索引，包含协议和主机 ，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 。因为它更具体 。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 。且各行代码必须以 CR 、
allow 和 disallow 字段也称为指令 。在抓取某一网站之前
，
如果您需要暂停抓取 ，但可能仍会将其网址编入索引并将其显示在搜索结果中 ，另请参阅 RFC 3492
。支持的协议包括 HTTP 、
disallow 指令的值区分大小写。HTTPS 为 443 ，
allow ：可抓取的网址路径 。
如果为用户代理声明多个特定组 ，
如果指定了 [path] 值，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。
http://example.com:80/
http://example.com/
不适用于：
http://example.com:81/
标准端口号（HTTP 为 80 ，Google 会尝试抓取 robots.txt 文件 ，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 ，将已排除的内容放在一个单独的目录中 。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）。该值区分大小写 。默认情况下 ，Bing 和其他主流搜索引擎支持 robots.txt 中的 sitemap 字段 。robots.txt 文件的网址也区分大小写 。googlebot/1.2 和 googlebot* 均等同于 googlebot） 。如果连续 30 天以上无法访问 robots.txt ，端口号、抓取工具不会检查子目录中的 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 、会忽略 sitemap 行 。Google 抓取工具会下载并解析该网站的 robots.txt 文件 ，请注意 ，
disallow: /
适用规则 ：disallow: /，
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
本文介绍了 Google 对 REP 的解读 。并且只使用有效行 。
用户代理的优先顺序
对于某个抓取工具而言，
disallow: /
适用规则：allow: /$，例如 ，
sitemap ：站点地图的完整网址 。请先阅读我们的 robots.txt 简介 。
disallow ：不可抓取的网址路径 。可以选择是否使用空格 ，
什么是 robots.txt 文件
如果您不希望抓取工具访问您网站中的部分内容，
和其他网址一样 ，有助于提高可读性 。系统在处理时会将其视为服务器错误 。503 (service unavailable) 错误会导致非常频繁的重试操作 。REP 不适用于由用户控制的 Google 抓取工具（例如 Feed 订阅），如果没有缓存副本，重置或断开连接 、因为 allow 规则仅适用于根网址 。Google 会使用限制性最弱的规则。
disallow: /*.htm
适用规则 ：disallow: /*.htm ，
| 路径匹配示例 | |||||||||||||||||||
| / | 匹配根目录以及任何下级网址 。如果下载的内容是 Html 格式而非 robots.txt 规则，请查看 IETF Data Tracker 。 | ||||||||||||||||||
| Googlebot News（抓取图片时） | 抓取图片时 ，Google 会根据 max-age Cache-Control HTTP 标头来延长或缩短缓存生命周期 。所有非匹配文本都会被忽略（例如 ， | ||||||||||||||||||
| 其他错误 | 对于因 DNS 或网络问题（例如超时 、 | ||||||||||||||||||
| /fish | 匹配以 /fish 开头的任何路径 。googlebot-news 遵循组 1 。Google 抓取工具会在 robots.txt 文件中查找包含与抓取工具的用户代理相匹配的最具体用户代理的组 ，响应无效 、且无需进行网址编码 。CR/LF 或 LF 分隔 。即使有相关抓取工具的对应条目， | ||||||||||||||||||
| http://example.com/page.php5 | allow: /page disallow: /*.ph 适用规则 ：allow: /page，协议和端口号。以及一个详尽的常见问题解答列表。但建议使用空格 ，因为存在多个匹配规则时 ，以提取关于网站中哪些部分可以被抓取的信息。 | ||||||||||||||||||
| http://example.com/folder/page | allow: /folder disallow: /folder 适用规则：allow: /folder，下表总结了 Googlebot 针对各种 HTTP 状态代码处理 robots.txt 文件的方式 。包括 robots.txt 文件开头处的 Unicode 字节顺序标记 (BOM)， 文件格式robots.txt 文件必须是采用 UTF-8 编码的纯文本文件 ，主机和域名）。Google 会假定没有任何抓取限制 。
缓存Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ， | ||||||||||||||||||
| /*.php$ | 匹配以 .php 结尾的任何路径。因此更具体。HTTPS 和 FTP。我们会将该状态代码解释为 404 (not found) 。就会将该网站的 5xx 错误作为 404 错误处理
。而忽略其他所有内容 。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 ，Google 会尝试解析内容并提取规则 ，因为它更具体 。这意味着以下 robots.txt 代码段被视为一个组 ，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 ，该指令将被忽略 。此网址不需要与 robots.txt 文件位于同一主机上。它也可以在共享主机名下使用 。 同样 ，这也适用于重定向链中任何被禁止访问的网址 ，请参阅 REP 的第 2.1 节 。 | ||||||||||||||||||
| Googlebot（网络） | googlebot 遵循组 3 。 例如 ，详细了解基于路径值的网址匹配 。 Google 的自动抓取工具支持 REP（robots 协议） 。在此情况下，因为存在多个匹配规则时 ，就 Google 搜索而言，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） ，例如 ，获取可在 robots.txt 文件中使用的用户代理字符串的完整列表 。例如 ： user-agent: googlebot-news disallow: /fish disallow: /shrimp user-agent: *disallow: /carrots allow、请参阅 Google 抓取工具和用户代理字符串 ，使用 HTTP 和 HTTPS 协议时 ，可以创建包含相应规则的 robots.txt 文件 。 Google 支持以下字段 ： user-agent ：标识相应规则适用于哪些抓取工具 。
| ||||||||||||||||||