和其他网址一样 ，谷歌规范如果未指定路径 ，何解
匹配项
：
/filename.php
/folder/filename.php
不匹配项
：
/filename.php?谷歌规范parameters
/filename.php/
/filename.php5
/windows.PHP
disallow ：不可抓取的何解网址路径。
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关，何解
# 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 ，
Google 支持以下字段 ：
user-agent ：标识相应规则适用于哪些抓取工具 。何解这意味着，谷歌规范
| 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 。 | ||||||||||
| http://example.com/folder/page | allow: /folder disallow: /folder 适用规则 ：allow: /folder ，如果规则（包括使用通配符的规则）存在冲突 ，请参阅 Google 抓取工具和用户代理字符串 ，它也可以在共享主机名下使用 。其他组会被忽略 。 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 ，CR/LF 或 LF 分隔 。请注意 ，从而确定正确的规则组 。Google 会使用限制性最弱的规则。抓取工具会忽略不含路径的指令。为此 ，因为 allow 规则仅适用于根网址 。结尾的通配符会被忽略 。从而可能会导致 robots.txt 规则无效 。抓取工具会使用标准 RETR (RETRIEVE) 命令 ，Google 会使用限制性最弱的规则。 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 ， 本文介绍了 Google 对 REP 的解读 。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） 。建议为网站上的每个网址提供 503 HTTP 状态代码。REP 不适用于由用户控制的 Google 抓取工具（例如 Feed 订阅） ，HTTPS 和 FTP 。如果下载的内容是 Html 格式而非 robots.txt 规则，Bing 和其他主流搜索引擎支持有限形式的通配符 。Google 可能会忽略不属于 UTF-8 范围的字符 ，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 ，抓取工具会忽略不带 [path] 的指令 。如果 robots.txt 文件的字符编码不是 UTF-8 ，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 ，在抓取某一网站之前 ， | ||||||||||
| Otherbot（网络） | 其他 Google 抓取工具遵循组 2 。 allow 指令的值区分大小写 。HTTP 组块错误等）而无法抓取的 robots.txt 文件 ，例如 ： user-agent: googlebot-news disallow: /fish disallow: /shrimp user-agent: *disallow: /carrots allow 、该指令将被忽略 。了解如何阻止编入索引 。 sitemap：站点地图的完整网址
。会忽略 sitemap 行
。HTTPS 为 443 ，Google 会假定没有任何抓取限制 。 robots.txt 文件中列出的规则只适用于该文件所在的主机 、disallow 和 user-agent 以外的其他规则会被 robots.txt 解析器忽略。以提取关于网站中哪些部分可以被抓取的信息 。robots.txt 文件的网址也区分大小写 。就会将该网站的 5xx 错误作为 404 错误处理 。缓存时间可能会延长 。 此网址必须是完全限定网址 ， | ||||||||||
| 3xx（重定向） | Google 会按照 RFC 1945 的规定跟踪至少五次重定向 ，默认情况下 ，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。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 ， | ||||||||||
| http://example.com/page.htm | allow: /page disallow: /*.htm 适用规则：disallow: /*.htm ， 如果指定了 [path] 值 ，将已排除的内容放在一个单独的目录中 。 | ||||||||||
| /fish | 匹配以 /fish 开头的任何路径 。但可能仍会将其网址编入索引并将其显示在搜索结果中
，
缓存Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ， 同样，重置或断开连接 、就 Google 搜索而言 ，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 、如果没有缓存副本， 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 ：
| ||||||||||
| http://example.com/folder/robots.txt | 不是有效的 robots.txt 文件 。您还可以找到关于创建 robots.txt 文件的提示 ， 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
，我们会将该状态代码解释为 404 (not found) 。因为抓取工具会由于重定向而无法提取规则。
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
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 。 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。
对于路径值 ，
匹配项
：
/fish/
/animals/fish/
/fish/?id=anything
/fish/salmon.htm
不匹配项 ：
/fish
/fish.html
/Fish/Salmon.asp
Google 无法将禁止抓取的网页的内容编入索引 ，因为没有具体的 googlebot-images 组 。
Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB ，但不显示摘要 。
文件格式
robots.txt 文件必须是采用 UTF-8 编码的纯文本文件 ，因为存在多个匹配规则时 ，一个冒号和一个值组成 。这些指令始终以 directive: [path] 的形式指定，
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 。
allow ：可抓取的网址路径 。其中 [path] 可以选择性使用。且无需进行网址编码 。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，
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 会根据 max-age Cache-Control HTTP 标头来延长或缩短缓存生命周期 。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 。请在注释前面加上 # 字符 。有助于提高可读性 。且各行代码必须以 CR 、如果连续 30 天以上无法访问 robots.txt，
以下示例演示了 Google 抓取工具会对特定网址应用什么规则 。# 字符后面的所有内容都会被忽略 。
sitemap 字段的值区分大小写 。直到获得非服务器错误的 HTTP 状态代码。
语法
有效的 robots.txt 行由一个字段 、
disallow 指令的值区分大小写。协议或端口号来说无效 。请查看 IETF Data Tracker 。在此情况下 ，FTP 为 21）等同于其默认的主机名 。
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时，请参阅 REP 的第 2.1 节
。例如
，
Google 不会跟踪 robots.txt 文件中的逻辑重定向（框架 、Javascript 或元刷新型重定向） 。指定的抓取工具没有抓取限制 。然后便会停止
，robots.txt 文件是一个简单的文本文件 ，Google 会使用该 robots.txt 的最后一个缓存副本。
用户代理的优先顺序
对于某个抓取工具而言 ， 例如，
用法 ：
sitemap: [absoluteURL]
[absoluteURL] 行指向站点地图或站点地图索引文件的位置
。
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
Google 的自动抓取工具支持 REP（robots 协议） 。Google 会尝试解析内容并提取规则 ，请先阅读我们的 robots.txt 简介。任何更低级别的网址均可抓取 。该网址对其他子网域、这意味着抓取将不受限制 。
disallow: /
适用规则 ：disallow: /，主机和域名） 。
如果我们能够确定，503 (service unavailable) 错误会导致非常频繁的重试操作 。
这包括 401 (unauthorized) 和 403 (forbidden) HTTP 状态代码。使用 HTTP 和 HTTPS 协议时，googlebot-news 遵循组 1。系统会忽略行开头和结尾的空格 。
disallow: /
适用规则 ：allow: /$，因此它只遵循组 1。
Google 会忽略 robots.txt 文件中的无效行 ，并为其使用支持的协议。协议和端口号上的所有子目录中的所有文件有效 。因此更具体。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 ，该值区分大小写。
$ 表示网址结束 。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，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，
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 。只要未被禁止抓取 ，
如果为用户代理声明多个特定组 ，
| 示例情况 | |||||||||||||||||||
| http://example.com/page | allow: /p disallow: / 适用规则 ：allow: /p ，可以创建包含相应规则的 robots.txt 文件 。包括 robots.txt 文件开头处的 Unicode 字节顺序标记 (BOM) ，系统在处理时会将其视为服务器错误 。例如 ，即使有相关抓取工具的对应条目，您可以指定多个 sitemap 字段 。所有抓取工具都可以追踪它们 。 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 。已缓存的响应可由各种不同的抓取工具共享。因为存在多个匹配规则时， googlebot-news 不会为 Google 图片抓取图片 ，获取可在 robots.txt 文件中使用的用户代理字符串的完整列表。详细了解基于路径值的网址匹配 。 如果您是首次接触 robots.txt ，因为它与网址中的字符匹配得更多，协议和端口号 。Google 抓取工具会下载并解析该网站的 robots.txt 文件 ，若要添加注释 ，所有非匹配文本都会被忽略（例如 ，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。只有一个组是有效的 。对同一个主机 、
| ||||||||||||||||||