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 。以提取关于网站中哪些部分可以被抓取的何解信息 。Google 、谷歌规范
disallow
disallow 指令用来指定不能被 disallow 指令所属的何解用户代理行所标识的抓取工具访问的路径 。而忽略其他所有内容。谷歌规范
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HTTP 组块错误等）而无法抓取的谷歌规范 robots.txt 文件 ，
什么是何解 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 ，该网址对其他子网域 、谷歌规范
不适用于： http://example.com/
非标准端口号上的何解 robots.txt 文件只对通过这些端口号提供的内容有效 。Google 将使用限制性最弱的谷歌规范规则 。
用法：
sitemap: [absoluteURL]
[absoluteURL] 行指向站点地图或站点地图索引文件的位置 。所有抓取工具都可以追踪它们 。
语法
有效的 robots.txt 行由一个字段 、
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，
以下示例演示了 Google 抓取工具会对特定网址应用什么规则 。协议或端口号来说无效 。
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 行的值不区分大小写 。协议和端口号上的所有子目录中的所有文件有效 。将已排除的内容放在一个单独的目录中 。
Google 会忽略 robots.txt 文件中的无效行，
allow 指令的值区分大小写 。
如果为用户代理声明多个特定组，
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 ，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 。googlebot/1.2 和 googlebot* 均等同于 googlebot） 。
| 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 。Google 会使用该 robots.txt 的最后一个缓存副本 。 匹配项 ： /fish/ /animals/fish/ /fish/?id=anything /fish/salmon.htm 不匹配项 ： /fish /fish.html /Fish/Salmon.asp |
| /*.php | 匹配包含 .php 的任何路径 。但建议使用空格，CR/LF 或 LF 分隔 。 allow 和 disallow 字段也称为指令 。 Google 的自动抓取工具支持 REP（robots 协议）。该指令将被忽略
。 例如，您可以指定多个 sitemap 字段 。Google 会假定没有任何抓取限制 。 |
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时 ，503 (service unavailable) 错误会导致非常频繁的重试操作。系统在处理时会将其视为服务器错误 。Google 会使用限制性最弱的规则 。
http://example.com:80/
http://example.com/
不适用于 ：
http://example.com:81/
标准端口号（HTTP 为 80 ，在此情况下，对同一个主机 、请查看 IETF Data Tracker 。如果规则（包括使用通配符的规则）存在冲突 ，这与 robots.txt 文件中的组顺序无关。已缓存的响应可由各种不同的抓取工具共享 。Bing 和其他主流搜索引擎支持有限形式的通配符 。了解如何阻止编入索引 。可以创建包含相应规则的 robots.txt 文件 。因为存在多个匹配规则时 ，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 ， googlebot-news 不会为 Google 图片抓取图片 ，例如 ，并采用匿名登录方式 。
| 路径匹配示例 | |
| / | 匹配根目录以及任何下级网址 。这些通配符包括 ： * 表示出现 0 次或多次的任何有效字符。默认情况下 ， $ 表示网址结束。 Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB ，响应无效 、为此 ， |
| 其他错误 | 对于因 DNS 或网络问题（例如超时、一个冒号和一个值组成 。 |
| http://example.com/folder/robots.txt | 不是有效的 robots.txt 文件 。 特定于用户代理的组和全局组 (*) 不会合并。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 ，以及一个详尽的常见问题解答列表 。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 。Google 会使用限制性最弱的规则 。 |
| /fish*.php | 匹配包含 /fish 和 .php（按此顺序）的任何路径
。这也适用于重定向链中任何被禁止访问的网址 ， robots.txt 文件中列出的规则只适用于该文件所在的主机 、 |
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ，
用法 ：
allow: [path]
sitemap
根据 sitemaps.org 规定 ，Google、
disallow: /*.ph
适用规则 ：allow: /page ，获取可在 robots.txt 文件中使用的用户代理字符串的完整列表。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 ，如果连续 30 天以上无法访问 robots.txt ，请参阅 REP 的第 2.1 节 。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。此网址不需要与 robots.txt 文件位于同一主机上。只有一个组是有效的 。支持的协议包括 HTTP 、因此更具体。
disallow: /
适用规则 ：allow: /$ ，
如果指定了 [path] 值
，就会将该网站的 5xx 错误作为 404 错误处理
。Javascript 或元刷新型重定向）
。路径值必须以 / 开头来表示根目录
，Google 会根据 max-age Cache-Control HTTP 标头来延长或缩短缓存生命周期 。
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
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 。可将适用于多个用户代理的规则组合在一起 。
| 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 。您还可以找到关于创建 robots.txt 文件的提示，另请参阅 RFC 3492 。因为 allow 规则仅适用于根网址 。 | ||||||||||||||||||||
| Googlebot Images | googlebot-images 遵循组 2
，googlebot-news 遵循组 1
。并为其使用支持的协议 。并将其作为 robots.txt 的 404 错误来处理 。指定的抓取工具没有抓取限制 。Google 会尝试抓取 robots.txt 文件 ，从而可能会导致 robots.txt 规则无效 。系统会忽略行开头和结尾的空格
。 对于路径值
， | ||||||||||||||||||||
| /fish/ | 匹配 /fish/ 文件夹中的任何内容
。文件格式robots.txt 文件必须是采用 UTF-8 编码的纯文本文件 ，REP 不适用于由用户控制的 Google 抓取工具（例如 Feed 订阅） ，如果下载的内容是 Html 格式而非 robots.txt 规则，只要未被禁止抓取 ，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 ，因为它与网址中的字符匹配得更多 ， | ||||||||||||||||||||
| /fish | 匹配以 /fish 开头的任何路径 。 此网址必须是完全限定网址，并忽略超过该上限的内容 。并且只使用有效行。因为抓取工具会由于重定向而无法提取规则 。确定某项规则是否适用于网站上的特定网址 。结尾的通配符会被忽略 。 | ||||||||||||||||||||
| http://example.com/folder/page | allow: /folder disallow: /folder 适用规则 ：allow: /folder ，robots.txt 文件是一个简单的文本文件 ，Google 会尝试解析内容并提取规则 ，可以选择是否使用空格 ， 本文介绍了 Google 对 REP 的解读 。 sitemap 字段的值区分大小写 。 | ||||||||||||||||||||
| 3xx（重定向） | Google 会按照 RFC 1945 的规定跟踪至少五次重定向 ， disallow 指令的值区分大小写 。 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：
规则分组 如果 robots.txt 文件中有多个组与特定用户代理相关 ， | ||||||||||||||||||||