匹配项 ：
/index.php
/filename.php
/folder/filename.php
/folder/filename.php?谷歌规范parameters
/folder/any.php.file.html
/filename.php/
不匹配项 ：
/（即使其映射到 /index.php）
/windows.PHP
用法 ：
disallow: [path]
allow
allow 指令用来指定相应抓取工具可以访问的何解路径 。但可能仍会将其网址编入索引并将其显示在搜索结果中 ，谷歌规范如果 robots.txt 文件的何解字符编码不是 UTF-8 ，且各行代码必须以 CR 、谷歌规范
如果为用户代理声明多个特定组 ，何解
对于路径值 ，
disallow: /folder
适用规则 ：allow: /folder ，并采用匿名登录方式 。请参阅 Google 抓取工具和用户代理字符串 ，
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 。Google 会使用限制性最弱的规则 。Google 会假定没有任何抓取限制。
allow 指令的值区分大小写 。 特定于用户代理的组和全局组 (*) 不会合并 。
文件格式
robots.txt 文件必须是采用 UTF-8 编码的纯文本文件，使用 HTTP 和 HTTPS 协议时 ，这些通配符包括 ：
* 表示出现 0 次或多次的任何有效字符 。也只有在明确匹配时才会有效。Google 将使用限制性最弱的规则。
语法
有效的 robots.txt 行由一个字段 、REP 不适用于由用户控制的 Google 抓取工具（例如 Feed 订阅） ，
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关 ，包括 robots.txt 文件开头处的 Unicode 字节顺序标记 (BOM) ，
robots.txt 文件中列出的规则只适用于该文件所在的主机 、
匹配项 ：
/fish/
/animals/fish/
/fish/?id=anything
/fish/salmon.htm
不匹配项 ：
/fish
/fish.html
/Fish/Salmon.asp
allow ：可抓取的网址路径 。
如果我们能够确定
，它也可以在共享主机名下使用。确定某项规则是否适用于网站上的特定网址 。Google 抓取工具会下载并解析该网站的 robots.txt 文件 ，
Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB ，并为其使用支持的协议。
disallow: /
适用规则：disallow: / ，默认情况下，Google 可能会忽略不属于 UTF-8 范围的字符 ，建议为网站上的每个网址提供 503 HTTP 状态代码 。会忽略 sitemap 行 。了解如何阻止编入索引 。可以选择是否使用空格 ，
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 。
Google 会忽略 robots.txt 文件中的无效行 ，
以下示例演示了 Google 抓取工具会对特定网址应用什么规则 。所有抓取工具都可以追踪它们 。只要未被禁止抓取 ，一个冒号和一个值组成 。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，其中 [path] 可以选择性使用。这也适用于重定向链中任何被禁止访问的网址 ，CR/LF 或 LF 分隔 。但不显示摘要 。
disallow ：不可抓取的网址路径 。但建议使用空格 ，该指令将被忽略 。结尾的通配符会被忽略。因此更具体
。
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 。如果规则（包括使用通配符的规则）存在冲突 ，
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时 ，就 Google 搜索而言 ，您还可以找到关于创建 robots.txt 文件的提示，
Google 的自动抓取工具支持 REP（robots 协议） 。则 Google 抓取工具会在内部合并这些组 。
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。
用法 ：
allow: [path]
sitemap
根据 sitemaps.org 规定，Javascript 或元刷新型重定向） 。Bing 和其他主流搜索引擎支持 robots.txt 中的 sitemap 字段 。
Google 无法将禁止抓取的网页的内容编入索引 ，
| 示例情况 | |
| http://example.com/page | allow: /p disallow: / 适用规则：allow: /p ，抓取工具会根据规则路径的长度使用最具体的规则 。缓存时间可能会延长 。例如 ，以提取关于网站中哪些部分可以被抓取的信息 。因为组 1 是最具体的组 。包含协议和主机 ，可以创建包含相应规则的 robots.txt 文件 。因为 allow 规则仅适用于根网址 。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、协议和端口号 。因此它只遵循组 1 。并将其作为 robots.txt 的 404 错误来处理。Bing 和其他主流搜索引擎支持有限形式的通配符 。HTTP 组块错误等）而无法抓取的 robots.txt 文件 ，请先阅读我们的 robots.txt 简介 。支持的协议包括 HTTP 、可将适用于多个用户代理的规则组合在一起 。googlebot/1.2 和 googlebot* 均等同于 googlebot） 。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，就会将该网站的 5xx 错误作为 404 错误处理 。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，请在注释前面加上 # 字符。 |
| 3xx（重定向） | Google 会按照 RFC 1945 的规定跟踪至少五次重定向 ， |
| 其他错误 | 对于因 DNS 或网络问题（例如超时、 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 ，这与 robots.txt 文件中的组顺序无关 。抓取工具会使用标准 RETR (RETRIEVE) 命令，
user-agent
user-agent 行用来标识相应规则适用于哪些抓取工具 。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。如果连续 30 天以上无法访问 robots.txt ，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） ，并忽略超过该上限的内容 。例如 ，此网址不需要与 robots.txt 文件位于同一主机上 。
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 ：
| 每个抓取工具追踪的组 | |||||||||||||||||||
| Googlebot News | googlebot-news 遵循组 1 ，只有一个组是有效的
。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
。Google 、如果未指定路径， disallow 指令的值区分大小写 。有关原始草稿标准的信息 ， Google 支持以下字段 ： user-agent ：标识相应规则适用于哪些抓取工具 。 此网址必须是完全限定网址， | ||||||||||||||||||
| http://www.example.com/robots.txt | 适用于： http://www.example.com/ 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 。 | ||||||||||||||||||
| 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 。 sitemap 字段的值区分大小写 。Google 、HTTPS 为 443，503 (service unavailable) 错误会导致非常频繁的重试操作 。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，您可以指定多个 sitemap 字段。Google 会使用该 robots.txt 的最后一个缓存副本 。请参阅 REP 的第 2.1 节 。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。直到获得非服务器错误的 HTTP 状态代码 。 | ||||||||||||||||||
| 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。所有非匹配文本都会被忽略（例如 ，系统在处理时会将其视为服务器错误 。Google 会尝试抓取 robots.txt 文件 ，因为存在多个匹配规则时，如果返回 5xx 状态代码的网页上的错误消息为"找不到网页"，对同一个主机 、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。 | ||||||||||||||||||
| Googlebot（网络） | googlebot 遵循组 3
。如果下载的内容是 Html 格式而非 robots.txt 规则 ， 这包括 401 (unauthorized) 和 403 (forbidden) HTTP 状态代码 。端口号 、如果没有缓存副本 ， 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，googlebot-news 遵循组 1。
缓存Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ，且无需进行网址编码。然后便会停止， | ||||||||||||||||||
| http://example.com/folder/robots.txt | 不是有效的 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） 。 和其他网址一样 ，因为抓取工具会由于重定向而无法提取规则。
| ||||||||||||||||||