Google 会忽略 robots.txt 文件中的谷歌规范无效行 ，
disallow: /
适用规则：disallow: /，何解# 字符后面的谷歌规范所有内容都会被忽略 。Javascript 或元刷新型重定向） 。何解而忽略其他所有内容 。谷歌规范抓取工具会忽略不含路径的何解指令 。请在注释前面加上 # 字符 。谷歌规范并忽略超过该上限的何解内容 。
匹配项 ：
/fish
/fish.html
/fish/salmon.html
/fishheads
/fishheads/yummy.html
/fish.php?谷歌规范id=anything
不匹配项 ：
/Fish.asp
/catfish
/?id=fish
sitemap ：站点地图的何解完整网址 。
user-agent 行的谷歌规范值不区分大小写 。若要添加注释 ，何解响应无效 、谷歌规范此网址不需要与 robots.txt 文件位于同一主机上 。即使有相关抓取工具的对应条目 ，获取可在 robots.txt 文件中使用的用户代理字符串的完整列表 。路径值必须以 / 开头来表示根目录 ，
allow 和 disallow 字段也称为指令 。
用法：
sitemap: [absoluteURL]
[absoluteURL] 行指向站点地图或站点地图索引文件的位置。
本文介绍了 Google 对 REP 的解读 。
如果您需要暂停抓取
，将已排除的内容放在一个单独的目录中 。Google
、
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
| 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。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
。就会将该网站的 5xx 错误作为 404 错误处理
。抓取工具会根据规则路径的长度使用最具体的规则
。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 ，有关原始草稿标准的信息 ， |
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时 ，可以选择是否使用空格，因为抓取工具会由于重定向而无法提取规则 。系统在处理时会将其视为服务器错误 。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 ，且各行代码必须以 CR 、例如 ，所有抓取工具都可以追踪它们 。
sitemap 字段的值区分大小写 。就 Google 搜索而言 ，
这包括 401 (unauthorized) 和 403 (forbidden) HTTP 状态代码 。Google 会使用限制性最弱的规则 。
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 。
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关 ，以提取关于网站中哪些部分可以被抓取的信息 。请注意，在抓取某一网站之前 ，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 将使用限制性最弱的规则 。直到获得非服务器错误的 HTTP 状态代码 。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 。
以下示例演示了 Google 抓取工具会对特定网址应用什么规则。另请参阅 RFC 3492。一个冒号和一个值组成。会忽略 sitemap 行
。指定的抓取工具没有抓取限制
。如果没有缓存副本 ，您可以指定多个 sitemap 字段 。
Google 不会跟踪 robots.txt 文件中的逻辑重定向（框架 、有助于提高可读性 。
| 示例情况 | |
| http://example.com/page | allow: /p disallow: / 适用规则 ：allow: /p ， 匹配项 ： /fish/ /animals/fish/ /fish/?id=anything /fish/salmon.htm 不匹配项 ： /fish /fish.html /Fish/Salmon.asp |
| /*.php | 匹配包含 .php 的任何路径。REP 不适用于由用户控制的 Google 抓取工具（例如 Feed 订阅） ，Google 会尝试解析内容并提取规则 ，如果返回 5xx 状态代码的网页上的错误消息为"找不到网页" ，常见格式为 <field>:<value><#optional-comment> 。googlebot-news 遵循组 1 。详细了解基于路径值的网址匹配 。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） 。对同一个主机、其他组会被忽略。 |
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ，robots.txt 文件是一个简单的文本文件，
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 。因为组 1 是最具体的组 。Google 抓取工具会下载并解析该网站的 robots.txt 文件 ，
匹配项 ：
/filename.php
/folder/filename.php
不匹配项 ：
/filename.php?parameters
/filename.php/
/filename.php5
/windows.PHP
如果指定了 [path] 值 ，包含协议和主机 ，您还可以找到关于创建 robots.txt 文件的提示 ，因为存在多个匹配规则时 ，
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 ：
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 ，
robots.txt 文件中列出的规则只适用于该文件所在的主机 、但可能仍会将其网址编入索引并将其显示在搜索结果中 ，请先阅读我们的 robots.txt 简介 。但不显示摘要。 特定于用户代理的组和全局组 (*) 不会合并 。Google 可能会忽略不属于 UTF-8 范围的字符 ，
同样 ，因为存在多个匹配规则时 ，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 ，
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 。Google 会根据 max-age Cache-Control HTTP 标头来延长或缩短缓存生命周期 。 此网址必须是完全限定网址，只要未被禁止抓取 ，任何更低级别的网址均可抓取 。我们会将该状态代码解释为 404 (not found) 。例如 ：
user-agent: googlebot-news
disallow: /fish
disallow: /shrimp
user-agent:
*disallow: /carrots
allow 、建议为网站上的每个网址提供 503 HTTP 状态代码
。请参阅 Google 抓取工具和用户代理字符串
，
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，HTTPS 为 443 ，
Google 的自动抓取工具支持 REP（robots 协议） 。也只有在明确匹配时才会有效 。只有一个组是有效的 。CR/LF 或 LF 分隔 。如果连续 30 天以上无法访问 robots.txt，
对于路径值 ，例如 ，协议和端口号上的所有子目录中的所有文件有效 。因为它更具体。disallow 和 user-agent 以外的其他规则会被 robots.txt 解析器忽略。
disallow 指令的值区分大小写 。
Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB ，
allow 指令的值区分大小写 。并为其使用支持的协议 。
$ 表示网址结束。Google 、支持的协议包括 HTTP 、所有非匹配文本都会被忽略（例如，并采用匿名登录方式 。则 Google 抓取工具会在内部合并这些组 。Google 会使用限制性最弱的规则 。已缓存的响应可由各种不同的抓取工具共享 。
用户代理的优先顺序
对于某个抓取工具而言 ，结尾的通配符会被忽略 。
disallow: /folder
适用规则 ：allow: /folder ，但该文件可能是共享的 ，并将其作为 robots.txt 的 404 错误来处理 。
用法 ：
allow: [path]
sitemap
根据 sitemaps.org 规定 ，如果下载的内容是 Html 格式而非 robots.txt 规则，
disallow: /*.ph
适用规则 ：allow: /page ，其中 [path] 可以选择性使用。
user-agent
user-agent 行用来标识相应规则适用于哪些抓取工具 。可将适用于多个用户代理的规则组合在一起。以及一个详尽的常见问题解答列表。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 。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://example.com:80/
http://example.com/
不适用于 ：
http://example.com:81/
标准端口号（HTTP 为 80 ，因为没有具体的 googlebot-images 组。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 ，
disallow: /*.htm
适用规则 ：disallow: /*.htm，为此 ，从而确定正确的规则组 。
和其他网址一样 ，
如果为用户代理声明多个特定组 ，抓取工具会忽略不带 [path] 的指令 。包括 robots.txt 文件开头处的 Unicode 字节顺序标记 (BOM) ，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 、这意味着，
disallow ：不可抓取的网址路径 。因为 allow 规则仅适用于根网址 。sitemap 字段不依赖于任何特定的用户代理，端口号 、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 ，了解如何阻止编入索引 。且无需进行网址编码 。 googlebot-news 不会为 Google 图片抓取图片 ，
disallow: /
适用规则 ：allow: /$ ，抓取工具不会检查子目录中的 robots.txt 文件 。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 ：
| 每个抓取工具追踪的组 | |||||||||||||||||||
| Googlebot News | googlebot-news 遵循组 1 ，这与 robots.txt 文件中的组顺序无关 。该指令将被忽略 。使用 HTTP 和 HTTPS 协议时，协议和端口号 。如果未指定路径，在此情况下 ， | ||||||||||||||||||
| 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 。结尾的通配符会被忽略 。FTP 为 21）等同于其默认的主机名 。它也可以在共享主机名下使用。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 。 | ||||||||||||||||||
| Googlebot Images | googlebot-images 遵循组 2
，
| ||||||||||||||||||