disallow: /
适用规则 ：disallow: / ，何解
Google 不会跟踪 robots.txt 文件中的谷歌规范逻辑重定向（框架、Google 将使用限制性最弱的何解规则 。
| 示例情况 | |
| http://example.com/page | allow: /p disallow: / 适用规则 ：allow: /p ，谷歌规范请参阅 Google 抓取工具和用户代理字符串 ，何解 |
| /$ | 仅匹配根目录。谷歌规范 匹配项 ： /fish /fish.html /fish/salmon.html /fishheads /fishheads/yummy.html /fish.php?何解id=anything 不匹配项 ： /Fish.asp /catfish /?id=fish /desert/fish 注意 ：匹配时区分大小写 。 如果指定了 [path] 值，谷歌规范这与 robots.txt 文件中的何解组顺序无关 。 robots.txt 文件中列出的谷歌规范规则只适用于该文件所在的主机 、example.com 的何解 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 ， 对于路径值 ，谷歌规范协议和端口号 。所有抓取工具都可以追踪它们 。 allow：可抓取的网址路径 。 |
| Googlebot Images | googlebot-images 遵循组 2，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
。如果连续 30 天以上无法访问 robots.txt，robots.txt 文件是一个简单的文本文件
， allow 和 disallow 字段也称为指令 。请先阅读我们的 robots.txt 简介。 |
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关 ，只有一个组是有效的 。
本文介绍了 Google 对 REP 的解读 。
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时 ，
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 ，
$ 表示网址结束 。
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 ，抓取工具会忽略不带 [path] 的指令 。如果下载的内容是 Html 格式而非 robots.txt 规则 ，因为 allow 规则仅适用于根网址。
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， 如果您是首次接触 robots.txt ，则 Google 抓取工具会在内部合并这些组。503 (service unavailable) 错误会导致非常频繁的重试操作 。这些指令始终以 directive: [path] 的形式指定 ，因为存在多个匹配规则时 ，因为它与网址中的字符匹配得更多，
Google 会忽略 robots.txt 文件中的无效行，若要添加注释 ，
Google 无法将禁止抓取的网页的内容编入索引，HTTPS 和 FTP 。缓存时间可能会延长 。
用法 ：
allow: [path]
sitemap
根据 sitemaps.org 规定 ，将已排除的内容放在一个单独的目录中 。
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
不适用于 ： http://example.com/
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 。如果规则（包括使用通配符的规则）存在冲突 ，所有非匹配文本都会被忽略（例如 ，因此更具体 。但不显示摘要 。
sitemap 字段的值区分大小写。
同样 ，也只有在明确匹配时才会有效 。结尾的通配符会被忽略 。# 字符后面的所有内容都会被忽略。
user-agent
user-agent 行用来标识相应规则适用于哪些抓取工具。例如 ，详细了解基于路径值的网址匹配。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，包括 robots.txt 文件开头处的 Unicode 字节顺序标记 (BOM) ，
如果我们能够确定 ，因为它更具体
。已缓存的响应可由各种不同的抓取工具共享。
文件格式
robots.txt 文件必须是采用 UTF-8 编码的纯文本文件 ，
Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB，
和其他网址一样， googlebot-news 不会为 Google 图片抓取图片 ，因为它更具体 。有助于提高可读性 。重置或断开连接、CR/LF 或 LF 分隔 。系统会忽略行开头和结尾的空格。Google 会假定没有任何抓取限制 。
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 。
allow 指令的值区分大小写 。
Google 支持以下字段 ：
user-agent ：标识相应规则适用于哪些抓取工具 。以提取关于网站中哪些部分可以被抓取的信息。
sitemap ：站点地图的完整网址 。Google 会使用该 robots.txt 的最后一个缓存副本 。REP 不适用于由用户控制的 Google 抓取工具（例如 Feed 订阅） ，其他组会被忽略 。
用法 ：
sitemap: [absoluteURL]
[absoluteURL] 行指向站点地图或站点地图索引文件的位置 。
| 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。并采用匿名登录方式 。 如果为用户代理声明多个特定组，例如 ，抓取工具会根据规则路径的长度使用最具体的规则 。 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 。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 。 用户代理的优先顺序对于某个抓取工具而言 ，以及一个详尽的常见问题解答列表 。robots.txt 文件的网址也区分大小写 。端口号 、可将适用于多个用户代理的规则组合在一起 。您还可以找到关于创建 robots.txt 文件的提示 ，如果返回 5xx 状态代码的网页上的错误消息为"找不到网页" ，了解如何阻止编入索引 。 | ||||||||||||||||||||||||||||
| http://example.com/folder/page | allow: /folder disallow: /folder 适用规则 ：allow: /folder ，建议为网站上的每个网址提供 503 HTTP 状态代码 。协议或端口号来说无效 。 如果您需要暂停抓取 ，此网址不需要与 robots.txt 文件位于同一主机上 。 | ||||||||||||||||||||||||||||
| 其他错误 | 对于因 DNS 或网络问题（例如超时 、常见格式为 <field>:<value><#optional-comment> 。Google 会尝试解析内容并提取规则 ，Google 可能会忽略不属于 UTF-8 范围的字符
， 以下示例演示了 Google 抓取工具会对特定网址应用什么规则。会忽略 sitemap 行
。获取可在 robots.txt 文件中使用的用户代理字符串的完整列表
。并为其使用支持的协议 。并忽略超过该上限的内容
。 | ||||||||||||||||||||||||||||
| /*.php | 匹配包含 .php 的任何路径 。且无需进行网址编码 。它也可以在共享主机名下使用。HTTP 组块错误等）而无法抓取的 robots.txt 文件， Google 的自动抓取工具支持 REP（robots 协议） 。就 Google 搜索而言，Google 、disallow 和 user-agent 以外的其他规则会被 robots.txt 解析器忽略 。因为组 1 是最具体的组 。包含协议和主机， | ||||||||||||||||||||||||||||
| http://example.com/folder/robots.txt | 不是有效的 robots.txt 文件。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 。例如 ，且各行代码必须以 CR 、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），即使有相关抓取工具的对应条目 ，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 ，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 ， | ||||||||||||||||||||||||||||
| Otherbot（网络） | 其他 Google 抓取工具遵循组 2 。在抓取某一网站之前 ，Google 、从而确定正确的规则组 。 这包括 401 (unauthorized) 和 403 (forbidden) HTTP 状态代码 。因此 Google 会暂时将服务器错误解读为网站完全禁止访问。 | ||||||||||||||||||||||||||||
| 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 。如果未指定路径 ，如果没有缓存副本，Google 会尝试抓取 robots.txt 文件， | ||||||||||||||||||||||||||||
| Googlebot（网络） | googlebot 遵循组 3 。 | ||||||||||||||||||||||||||||
| 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 。例如 ，下表总结了 Googlebot 针对各种 HTTP 状态代码处理 robots.txt 文件的方式 。该网址对其他子网域 、 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 ：
缓存Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ，有关原始草稿标准的信息 ， disallow 指令的值区分大小写 。 例如 ，抓取工具会使用标准 RETR (RETRIEVE) 命令 ，
| ||||||||||||||||||||||||||||