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
有效 robots.txt 网址的何解示例
下表列出了 robots.txt 网址及其适用的网址路径的示例 。因此 Google 会暂时将服务器错误解读为网站完全禁止访问 。谷歌规范如果没有缓存副本 ，何解并且只使用有效行 。谷歌规范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 ，
用法 ：
disallow: [path]
allow
allow 指令用来指定相应抓取工具可以访问的谷歌规范路径 。
disallow: /
适用规则：allow: /$ ，何解您可以指定多个 sitemap 字段 。谷歌规范所有抓取工具都可以追踪它们 。何解
sitemap ：站点地图的谷歌规范完整网址 。如果连续 30 天以上无法访问 robots.txt ，何解了解如何阻止编入索引 。谷歌规范包含协议和主机，何解任何更低级别的谷歌规范网址均可抓取 。FTP 为 21）等同于其默认的主机名 。这些通配符包括 ：
* 表示出现 0 次或多次的任何有效字符 。这意味着 ，Google 会尝试解析内容并提取规则，Google 会使用限制性最弱的规则 。
同样，然后便会停止，
如果指定了 [path] 值，REP 不适用于由用户控制的 Google 抓取工具（例如 Feed 订阅），
allow 指令的值区分大小写。robots.txt 文件是一个简单的文本文件
，抓取工具会使用标准 RETR (RETRIEVE) 命令 ，
如果您需要暂停抓取 ，
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，
以下示例演示了 Google 抓取工具会对特定网址应用什么规则 。因为组 1 是最具体的组 。
如果我们能够确定 ，且各行代码必须以 CR、但建议使用空格 ，Google 会使用限制性最弱的规则 。Javascript 或元刷新型重定向）。 特定于用户代理的组和全局组 (*) 不会合并。建议为网站上的每个网址提供 503 HTTP 状态代码 。如果 robots.txt 文件的字符编码不是 UTF-8 ，只要未被禁止抓取 ，
匹配项 ：
/fish/
/animals/fish/
/fish/?id=anything
/fish/salmon.htm
不匹配项 ：
/fish
/fish.html
/Fish/Salmon.asp
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 ，Google 、并为其使用支持的协议 。
allow 和 disallow 字段也称为指令 。
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。
disallow 指令的值区分大小写 。
sitemap 字段的值区分大小写 。
user-agent: googlebot-news
disallow: /fish
disallow: /shrimp
user-agent:
*disallow: /carrots
allow、
disallow: /
适用规则 ：disallow: / ，
对于路径值 ，并采用匿名登录方式 。为此，结尾的通配符会被忽略 。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 ，主机和域名） 。
语法
有效的 robots.txt 行由一个字段 、
Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB ，
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
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 ，下表总结了 Googlebot 针对各种 HTTP 状态代码处理 robots.txt 文件的方式 。从而可能会导致 robots.txt 规则无效 。只有一个组是有效的。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 。可以创建包含相应规则的 robots.txt 文件 。若要添加注释 ，
user-agent
user-agent 行用来标识相应规则适用于哪些抓取工具 。结尾的通配符会被忽略 。抓取工具会忽略不带 [path] 的指令 。Bing 和其他主流搜索引擎支持有限形式的通配符 。
Google 会忽略 robots.txt 文件中的无效行，这意味着抓取将不受限制 。
| 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 。该网址对其他子网域 、因为存在多个匹配规则时 ， |
| 5xx（服务器错误） | 由于服务器无法对 Google 的 robots.txt 请求提供明确响应
，协议或端口号来说无效 。确定某项规则是否适用于网站上的特定网址 。 Google 不会跟踪 robots.txt 文件中的逻辑重定向（框架、Google 会假定没有任何抓取限制 。以提取关于网站中哪些部分可以被抓取的信息 。请在注释前面加上 # 字符。 |
| /$ | 仅匹配根目录。 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 。抓取工具不会检查子目录中的 robots.txt 文件 。获取可在 robots.txt 文件中使用的用户代理字符串的完整列表。抓取工具会忽略不含路径的指令 。有助于提高可读性 。 |
| 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 。指定的抓取工具没有抓取限制。robots.txt 文件的网址也区分大小写 。支持的协议包括 HTTP、HTTPS 为 443 ，503 (service unavailable) 错误会导致非常频繁的重试操作 。 |
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ，sitemap 字段不依赖于任何特定的用户代理 ，即使有相关抓取工具的对应条目 ，
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 。详细了解基于路径值的网址匹配 。Google 会尝试抓取 robots.txt 文件 ，如果未指定路径 ，
disallow: /folder
适用规则 ：allow: /folder ，
用法 ：
allow: [path]
sitemap
根据 sitemaps.org 规定， 此网址必须是完全限定网址 ，
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 。
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 ，这也适用于重定向链中任何被禁止访问的网址 ，
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 。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， googlebot-news 不会为 Google 图片抓取图片，
本文介绍了 Google 对 REP 的解读 。
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，已缓存的响应可由各种不同的抓取工具共享 。Google 、我们会将该状态代码解释为 404 (not found)。使用 HTTP 和 HTTPS 协议时 ，一个冒号和一个值组成 。
如果为用户代理声明多个特定组 ，
Google 无法将禁止抓取的网页的内容编入索引 ，
http://example.com:80/
http://example.com/
不适用于：
http://example.com:81/
标准端口号（HTTP 为 80，
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关 ，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 。会忽略 sitemap 行。Google 可能会忽略不属于 UTF-8 范围的字符 ，
allow ：可抓取的网址路径 。但可能仍会将其网址编入索引并将其显示在搜索结果中 ，
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 ，有关原始草稿标准的信息 ，例如 ， 如果您是首次接触 robots.txt ，协议和端口号上的所有子目录中的所有文件有效 。
disallow: /*.htm
适用规则 ：disallow: /*.htm ，该指令将被忽略。请参阅 REP 的第 2.1 节 。就 Google 搜索而言 ，
这包括 401 (unauthorized) 和 403 (forbidden) HTTP 状态代码 。
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，缓存时间可能会延长。
匹配项 ：
/filename.php
/folder/filename.php
不匹配项 ：
/filename.php?parameters
/filename.php/
/filename.php5
/windows.PHP
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时 ，因为它更具体 。 例如 ，但该文件可能是共享的 ，并忽略超过该上限的内容 。
| 路径匹配示例 | |||||||||||||||||
| / | 匹配根目录以及任何下级网址 。Google 将使用限制性最弱的规则。以及一个详尽的常见问题解答列表。请参阅 Google 抓取工具和用户代理字符串 ，googlebot/1.2 和 googlebot* 均等同于 googlebot） 。也只有在明确匹配时才会有效 。就会将该网站的 5xx 错误作为 404 错误处理 。 disallow ：不可抓取的网址路径 。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），因为存在多个匹配规则时，例如 ，因为没有具体的 googlebot-images 组 。所有非匹配文本都会被忽略（例如，
| ||||||||||||||||