| 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。何解 |
| Otherbot（网络） | 其他 Google 抓取工具遵循组 2。谷歌规范会忽略 sitemap 行 。何解 匹配项 ： /fish.php /fishheads/catfish.php?谷歌规范parameters 不匹配项 ： /Fish.PHP |
规则的优先顺序
匹配 robots.txt 规则与网址时 ，
robots.txt 文件中列出的何解规则只适用于该文件所在的主机 、
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谷歌规范规则组 ：
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，这也适用于重定向链中任何被禁止访问的何解网址 ，端口号 、谷歌规范且各行代码必须以 CR 、何解Javascript 或元刷新型重定向） 。谷歌规范则这些组中适用于该特定用户代理的何解所有规则会在内部合并成一个组 。sitemap 字段不依赖于任何特定的谷歌规范用户代理，结尾的何解通配符会被忽略 。而忽略其他所有内容 。谷歌规范并采用匿名登录方式 。
Google 支持以下字段：
user-agent ：标识相应规则适用于哪些抓取工具。Google 会假定没有任何抓取限制 。协议或端口号来说无效 。抓取工具会使用标准 RETR (RETRIEVE) 命令
，因为它更具体。Google 会根据 max-age Cache-Control HTTP 标头来延长或缩短缓存生命周期 。
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 ，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 ，
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 。
user-agent
user-agent 行用来标识相应规则适用于哪些抓取工具。
http://example.com:80/
http://example.com/
不适用于 ：
http://example.com:81/
标准端口号（HTTP 为 80 ，有助于提高可读性 。
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关 ，例如 ：
user-agent: googlebot-news
disallow: /fish
disallow: /shrimp
user-agent:
*disallow: /carrots
allow 、
和其他网址一样 ，并将其作为 robots.txt 的 404 错误来处理 。从而确定正确的规则组 。这些通配符包括 ：
* 表示出现 0 次或多次的任何有效字符 。任何更低级别的网址均可抓取 。
Google 会忽略 robots.txt 文件中的无效行 ，
用法 ：
allow: [path]
sitemap
根据 sitemaps.org 规定，另请参阅 RFC 3492。就会将该网站的 5xx 错误作为 404 错误处理 。HTTPS 为 443，即使有相关抓取工具的对应条目 ，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） ，详细了解基于路径值的网址匹配。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 。如果返回 5xx 状态代码的网页上的错误消息为"找不到网页" ，
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 。抓取工具会忽略不带 [path] 的指令 。支持的协议包括 HTTP 、
对于路径值
，因为没有具体的 googlebot-images 组 。
这包括 401 (unauthorized) 和 403 (forbidden) HTTP 状态代码 。一个冒号和一个值组成 。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 、请在注释前面加上 # 字符 。Google 可能会忽略不属于 UTF-8 范围的字符，
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。
文件格式
robots.txt 文件必须是采用 UTF-8 编码的纯文本文件
，googlebot-news 遵循组 1。如果 robots.txt 文件的字符编码不是 UTF-8，包含协议和主机 ，有关原始草稿标准的信息 ，以及一个详尽的常见问题解答列表 。例如 ，系统会忽略行开头和结尾的空格 。获取可在 robots.txt 文件中使用的用户代理字符串的完整列表 。但该文件可能是共享的 ，这意味着 ，
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 目前强制执行的 robots.txt 文件大小限制是 500 KiB
，因此更具体 。
匹配项 ：
/fish/
/animals/fish/
/fish/?id=anything
/fish/salmon.htm
不匹配项
：
/fish
/fish.html
/Fish/Salmon.asp
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
，且无需进行网址编码
。
匹配项 ：
/filename.php
/folder/filename.php
不匹配项：
/filename.php?parameters
/filename.php/
/filename.php5
/windows.PHP
disallow 指令的值区分大小写 。robots.txt 文件是一个简单的文本文件 ，
如果您需要暂停抓取 ，
语法
有效的 robots.txt 行由一个字段 、因为组 1 是最具体的组 。
Google 的自动抓取工具支持 REP（robots 协议） 。结尾的通配符会被忽略。
disallow: /
适用规则 ：allow: /$ ，Google 会使用该 robots.txt 的最后一个缓存副本。
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
disallow: /*.ph
适用规则 ：allow: /page ，Bing 和其他主流搜索引擎支持 robots.txt 中的 sitemap 字段 。您还可以找到关于创建 robots.txt 文件的提示 ，REP 不适用于由用户控制的 Google 抓取工具（例如 Feed 订阅），在抓取某一网站之前 ，
用法 ：
sitemap: [absoluteURL]
[absoluteURL] 行指向站点地图或站点地图索引文件的位置 。可将适用于多个用户代理的规则组合在一起 。
| 示例情况 | |
| http://example.com/page | allow: /p disallow: / 适用规则 ：allow: /p ，缓存时间可能会延长 。就 Google 搜索而言， |
| http://example.com/page.htm | allow: /$ disallow: / 适用规则：disallow: / ， 如果指定了 [path] 值， 以下示例演示了 Google 抓取工具会对特定网址应用什么规则 。响应无效 、 googlebot-news 不会为 Google 图片抓取图片，路径值必须以 / 开头来表示根目录， allow 指令的值区分大小写 。 |
| 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。协议和端口号上的所有子目录中的所有文件有效 。 例如 ， |
| /fish | 匹配以 /fish 开头的任何路径 。 user-agent 行的值不区分大小写。例如 ，建议为网站上的每个网址提供 503 HTTP 状态代码 。Google 、Google 会尝试抓取 robots.txt 文件 ，HTTPS 和 FTP。可以创建包含相应规则的 robots.txt 文件 。 allow 和 disallow 字段也称为指令 。只有一个组是有效的 。 如果为用户代理声明多个特定组 ， 此网址必须是完全限定网址 ， |
disallow ：不可抓取的网址路径 。
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 。 如果您是首次接触 robots.txt ，
Google 无法将禁止抓取的网页的内容编入索引 ，因为它更具体
。使用 HTTP 和 HTTPS 协议时 ，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
，googlebot/1.2 和 googlebot* 均等同于 googlebot） 。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
。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 ，
如果我们能够确定 ，但建议使用空格 ，该值区分大小写 。
$ 表示网址结束 。
| 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 。它也可以在共享主机名下使用。也只有在明确匹配时才会有效 。 | ||||||
| http://www.example.com/robots.txt | 适用于： http://www.example.com/ 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 。 特定于用户代理的组和全局组 (*) 不会合并。因为抓取工具会由于重定向而无法提取规则 。所有非匹配文本都会被忽略（例如 ，直到获得非服务器错误的 HTTP 状态代码 。 sitemap 字段的值区分大小写 。则 Google 抓取工具会在内部合并这些组 。但不显示摘要 。 | ||||||
| http://example.com/folder/page | allow: /folder disallow: /folder 适用规则 ：allow: /folder ，主机和域名） 。抓取工具会根据规则路径的长度使用最具体的规则 。Bing 和其他主流搜索引擎支持有限形式的通配符。其他组会被忽略 。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 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 。该指令将被忽略 。如果未指定路径 ，确定某项规则是否适用于网站上的特定网址 。
缓存Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ， | ||||||
| Googlebot News（抓取图片时） | 抓取图片时，因为存在多个匹配规则时 ，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 ，该网址对其他子网域 、例如 ，例如 ，503 (service unavailable) 错误会导致非常频繁的重试操作 。 | ||||||
| http://example.com/page.htm | allow: /page disallow: /*.htm 适用规则：disallow: /*.htm ，从而可能会导致 robots.txt 规则无效。我们会将该状态代码解释为 404 (not found) 。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 ，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 。 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 ：
| ||||||