disallow ：不可抓取的谷歌规范网址路径 。但该文件可能是何解共享的 ，
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 ，谷歌规范抓取工具会使用标准 RETR (RETRIEVE) 命令
，何解因为它更具体 。谷歌规范Google 会使用该 robots.txt 的何解最后一个缓存副本 。
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时 ，谷歌规范我们会将该状态代码解释为 404 (not found)。何解请注意，谷歌规范
allow ：可抓取的何解网址路径 。然后便会停止 ，谷歌规范了解如何阻止编入索引 。何解
| 路径匹配示例 | |
| / | 匹配根目录以及任何下级网址 。谷歌规范如果返回 5xx 状态代码的网页上的错误消息为"找不到网页" ，因此 Google 会暂时将服务器错误解读为网站完全禁止访问 。并忽略超过该上限的内容。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）
，HTTPS 和 FTP 。在抓取某一网站之前 ，包括 robots.txt 文件开头处的 Unicode 字节顺序标记 (BOM)，因为没有具体的 googlebot-images 组 。这意味着抓取将不受限制 。 匹配项： /filename.php /folder/filename.php 不匹配项 ： /filename.php?parameters /filename.php/ /filename.php5 /windows.PHP |
| /fish*.php | 匹配包含 /fish 和 .php（按此顺序）的任何路径 。文件格式robots.txt 文件必须是采用 UTF-8 编码的纯文本文件 ， 例如 ，Bing 和其他主流搜索引擎支持 robots.txt 中的 sitemap 字段 。 |
| /$ | 仅匹配根目录。disallow 和 user-agent 以外的其他规则会被 robots.txt 解析器忽略
。 如果我们能够确定 ， 用法 ： allow: [path] sitemap 根据 sitemaps.org 规定 ， Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB，对同一个主机 、如果没有缓存副本 ，因此更具体 。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 ，Google 、结尾的通配符会被忽略 。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 。 disallow 指令的值区分大小写。 allow 和 disallow 字段也称为指令。 user-agent 行的值不区分大小写 。如果未指定路径 ，Google 会尝试解析内容并提取规则 ，就会将该网站的 5xx 错误作为 404 错误处理 。这也适用于重定向链中任何被禁止访问的网址 ， 如果指定了 [path] 值 ，以提取关于网站中哪些部分可以被抓取的信息 。 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 。也只有在明确匹配时才会有效 。请查看 IETF Data Tracker。如果规则（包括使用通配符的规则）存在冲突， |
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ，
语法
有效的 robots.txt 行由一个字段 、
如果为用户代理声明多个特定组 ，且各行代码必须以 CR、支持的协议包括 HTTP 、并将其作为 robots.txt 的 404 错误来处理 。
$ 表示网址结束
。
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
Google 无法将禁止抓取的网页的内容编入索引 ，HTTP 组块错误等）而无法抓取的 robots.txt 文件 ，这与 robots.txt 文件中的组顺序无关 。Google 会假定没有任何抓取限制 。可以选择是否使用空格 ，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 。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 ，可将适用于多个用户代理的规则组合在一起 。
sitemap 字段的值区分大小写。缓存时间可能会延长 。一个冒号和一个值组成。
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 。
同样，会忽略 sitemap 行 。
sitemap ：站点地图的完整网址 。
用法 ：
sitemap: [absoluteURL]
[absoluteURL] 行指向站点地图或站点地图索引文件的位置。即使有相关抓取工具的对应条目 ，抓取工具会根据规则路径的长度使用最具体的规则 。
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。获取可在 robots.txt 文件中使用的用户代理字符串的完整列表 。googlebot/1.2 和 googlebot* 均等同于 googlebot） 。系统会忽略行开头和结尾的空格 。
匹配项：
/fish/
/animals/fish/
/fish/?id=anything
/fish/salmon.htm
不匹配项 ：
/fish
/fish.html
/Fish/Salmon.asp
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 ，
| 示例情况 | |||||||||||||||||
| http://example.com/page | allow: /p disallow: / 适用规则 ：allow: /p ，因为 allow 规则仅适用于根网址 。 robots.txt 文件中列出的规则只适用于该文件所在的主机 、因为抓取工具会由于重定向而无法提取规则 。抓取工具会忽略不含路径的指令 。 | ||||||||||||||||
| http://example.com/folder/robots.txt | 不是有效的 robots.txt 文件。从而可能会导致 robots.txt 规则无效 。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 、 | ||||||||||||||||
| Otherbot（网络） | 其他 Google 抓取工具遵循组 2
。响应无效 、 Google 会忽略 robots.txt 文件中的无效行 ，所有抓取工具都可以追踪它们 。Google 会根据 max-age Cache-Control HTTP 标头来延长或缩短缓存生命周期。只要未被禁止抓取 ，这意味着以下 robots.txt 代码段被视为一个组 ，sitemap 字段不依赖于任何特定的用户代理 ， | ||||||||||||||||
| /fish* | 等同于 /fish 。协议或端口号来说无效 。但建议使用空格 ，指定的抓取工具没有抓取限制 。而忽略其他所有内容 。但不显示摘要 。 | ||||||||||||||||
| ftp://example.com/robots.txt | 适用于： ftp://example.com/ 不适用于： http://example.com/ | ||||||||||||||||
| http://212.96.82.21/robots.txt | 适用于
： http://212.96.82.21/ 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 。并采用匿名登录方式 。并为其使用支持的协议 。默认情况下，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。如果下载的内容是 Html 格式而非 robots.txt 规则 ，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 ，FTP 为 21）等同于其默认的主机名 。您可以指定多个 sitemap 字段 。
以下示例演示了 Google 抓取工具会对特定网址应用什么规则。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。 | ||||||||||||||||
| 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 。下表总结了 Googlebot 针对各种 HTTP 状态代码处理 robots.txt 文件的方式 。在此情况下，CR/LF 或 LF 分隔 。 | ||||||||||||||||
| http://example.com/page.htm | allow: /$ disallow: / 适用规则 ：disallow: / ， user-agent user-agent 行用来标识相应规则适用于哪些抓取工具。
规则分组 如果 robots.txt 文件中有多个组与特定用户代理相关 ， 此网址必须是完全限定网址， | ||||||||||||||||
| http://example.com/ | allow: /$ disallow: / 适用规则 ：allow: /$ ， | ||||||||||||||||
| http://example.com/page.htm | allow: /page disallow: /*.htm 适用规则 ：disallow: /*.htm，Javascript 或元刷新型重定向） 。使用 HTTP 和 HTTPS 协议时，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 ，抓取工具不会检查子目录中的 robots.txt 文件 。结尾的通配符会被忽略 。请先阅读我们的 robots.txt 简介 。系统在处理时会将其视为服务器错误 。该指令将被忽略 。 | ||||||||||||||||
| /* | 等同于 / 。因为组 1 是最具体的组 。Bing 和其他主流搜索引擎支持有限形式的通配符 。 | ||||||||||||||||
| http://example.com:8181/robots.txt | 适用于 ： http://example.com:8181/ 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 。例如 ： user-agent: googlebot-news disallow: /fish disallow: /shrimp user-agent: *disallow: /carrots allow、robots.txt 文件是一个简单的文本文件 ，任何更低级别的网址均可抓取。 | ||||||||||||||||
| 4xx（客户端错误） | Google 抓取工具会将所有 4xx 错误解读为网站不存在有效的 robots.txt 文件 ，可以创建包含相应规则的 robots.txt 文件 。 | ||||||||||||||||
| Googlebot News（抓取图片时） | 抓取图片时
，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。例如 ，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， 本文介绍了 Google 对 REP 的解读 。路径值必须以 / 开头来表示根目录 ， | ||||||||||||||||
| 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 ，常见格式为 <field>:<value><#optional-comment> 。端口号、详细了解基于路径值的网址匹配
。就 Google 搜索而言 ，因为存在多个匹配规则时
，延伸阅读中国建筑召开风险与合规管理委员会二季度会议涅槃更生 8090《暗夜之神》法师二转新篇章《生化危机》新电影改编方向引争议，导演称仅为该系列破例（爱知·名古屋亚运会）中国女排完胜日本 实现亚运三连冠9月18日泉州将试鸣防空警报新型智能分类垃圾箱进社区：自动称重分类 积分可兑礼劲爆福利即刻开抢！《新破天》新服嫡起航旧物改造垃圾桶——实用的旧物改造技巧 | ||||||||||||||||