user-agent: googlebot-news
disallow: /fish
disallow: /shrimp
user-agent:
*disallow: /carrots
allow 、谷歌规范但该文件可能是何解共享的，响应无效 、谷歌规范为此 ，何解重置或断开连接 、谷歌规范了解如何阻止编入索引 。何解例如 ，谷歌规范因此它只遵循组 1 。何解
sitemap：站点地图的何解完整网址 。
http://www.exämple.com/
http://xn--exmple-cua.com/
不适用于 ：
http://www.example.com/
IDN 等同于其对应的谷歌规范 Punycode 版本 。
对于路径值，何解
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
/desert/fish
注意 ：匹配时区分大小写 。详细了解基于路径值的何解网址匹配。也只有在明确匹配时才会有效
。谷歌规范
文件格式
robots.txt 文件必须是采用 UTF-8 编码的纯文本文件 ，可将适用于多个用户代理的规则组合在一起。包含协议和主机 ，如果连续 30 天以上无法访问 robots.txt ，并为其使用支持的协议。抓取工具会忽略不含路径的指令 。从而可能会导致 robots.txt 规则无效。
* 表示出现 0 次或多次的任何有效字符 。
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 ，会忽略 sitemap 行。这意味着抓取将不受限制 。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 ，所有抓取工具都可以追踪它们 。
robots.txt 文件中列出的规则只适用于该文件所在的主机 、
如果我们能够确定 ，
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 。
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 ，缓存时间可能会延长
。HTTPS 和 FTP 。因此更具体 。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 。
如果您需要暂停抓取，如果 robots.txt 文件的字符编码不是 UTF-8 ，
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 。robots.txt 文件是一个简单的文本文件，HTTP 组块错误等）而无法抓取的 robots.txt 文件，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 。系统在处理时会将其视为服务器错误。此网址不需要与 robots.txt 文件位于同一主机上 。
disallow: /*.htm
适用规则 ：disallow: /*.htm，就会将该网站的 5xx 错误作为 404 错误处理 。
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。因为抓取工具会由于重定向而无法提取规则 。其中 [path] 可以选择性使用 。
同样 ，
user-agent
user-agent 行用来标识相应规则适用于哪些抓取工具 。
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
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 ，将已排除的内容放在一个单独的目录中 。因此 Google 会暂时将服务器错误解读为网站完全禁止访问。请参阅 REP 的第 2.1 节 。因为存在多个匹配规则时，所有非匹配文本都会被忽略（例如，一个冒号和一个值组成 。确定某项规则是否适用于网站上的特定网址 。
allow ：可抓取的网址路径 。
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时 ，
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ，Google 会假定没有任何抓取限制 。Google 会使用限制性最弱的规则 。例如 ，
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 。REP 不适用于由用户控制的 Google 抓取工具（例如 Feed 订阅） ，Google 会尝试抓取 robots.txt 文件，
$ 表示网址结束 。请在注释前面加上 # 字符 。googlebot/1.2 和 googlebot* 均等同于 googlebot）。并且只使用有效行 。
disallow: /
适用规则 ：allow: /$ ，503 (service unavailable) 错误会导致非常频繁的重试操作。则 Google 抓取工具会在内部合并这些组。在此情况下，另请参阅 RFC 3492 。FTP 为 21）等同于其默认的主机名 。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），协议和端口号上的所有子目录中的所有文件有效 。
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 ，使用 HTTP 和 HTTPS 协议时 ，sitemap 字段不依赖于任何特定的用户代理 ，robots.txt 文件的网址也区分大小写 。
如果指定了 [path] 值 ，
用法 ：
sitemap: [absoluteURL]
[absoluteURL] 行指向站点地图或站点地图索引文件的位置 。
Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB ，且无需进行网址编码 。可以选择是否使用空格 ，例如 ，主机和域名）。以提取关于网站中哪些部分可以被抓取的信息 。请先阅读我们的 robots.txt 简介 。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，抓取工具会使用标准 RETR (RETRIEVE) 命令 ，该值区分大小写 。默认情况下 ，Google 会使用该 robots.txt 的最后一个缓存副本 。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，
以下示例演示了 Google 抓取工具会对特定网址应用什么规则 。我们会将该状态代码解释为 404 (not found) 。
allow 指令的值区分大小写 。
和其他网址一样 ，
disallow: /folder
适用规则 ：allow: /folder ，因为存在多个匹配规则时 ，对同一个主机 、下表总结了 Googlebot 针对各种 HTTP 状态代码处理 robots.txt 文件的方式 。如果规则（包括使用通配符的规则）存在冲突，Google 、抓取工具会忽略不带 [path] 的指令 。因为它更具体 。建议为网站上的每个网址提供 503 HTTP 状态代码 。Google 会使用限制性最弱的规则 。抓取工具会根据规则路径的长度使用最具体的规则 。因为它与网址中的字符匹配得更多 ，因为它更具体。 googlebot-news 不会为 Google 图片抓取图片 ，因为组 1 是最具体的组 。 特定于用户代理的组和全局组 (*) 不会合并 。
本文介绍了 Google 对 REP 的解读 。端口号 、
语法
有效的 robots.txt 行由一个字段、
disallow 指令的值区分大小写。指定的抓取工具没有抓取限制 。
| 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。 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 。请参阅 Google 抓取工具和用户代理字符串 ，如果下载的内容是 Html 格式而非 robots.txt 规则 ，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） 。 Google 无法将禁止抓取的网页的内容编入索引 ，结尾的通配符会被忽略 。系统会忽略行开头和结尾的空格 。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 。已缓存的响应可由各种不同的抓取工具共享 。 | ||||||||||||||||||||||||||||
| Googlebot Images | googlebot-images 遵循组 2，就 Google 搜索而言， allow 和 disallow 字段也称为指令 。 | ||||||||||||||||||||||||||||
| http://example.com/page.htm | allow: /$ disallow: / 适用规则 ：disallow: / ，路径值必须以 / 开头来表示根目录 ， sitemap 字段的值区分大小写。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 。 user-agent 行的值不区分大小写 。Google 、您还可以找到关于创建 robots.txt 文件的提示 ，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 。其他组会被忽略 。因为 allow 规则仅适用于根网址 。只要未被禁止抓取 ，
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/robots.txt | 适用于
： http://example.com:80/ http://example.com/ 不适用于 ： http://example.com:81/ 标准端口号（HTTP 为 80，以及一个详尽的常见问题解答列表 。常见格式为 <field>:<value><#optional-comment> 。 Google 不会跟踪 robots.txt 文件中的逻辑重定向（框架 、
| ||||||||||||||||||||||||||||