$ 表示网址结束 。谷歌规范
如果您需要暂停抓取
，何解Google 会根据 max-age Cache-Control HTTP 标头来延长或缩短缓存生命周期 。谷歌规范使用 HTTP 和 HTTPS 协议时 ，何解
disallow: /
适用规则 ：disallow: / ，谷歌规范
Google 目前强制执行的何解 robots.txt 文件大小限制是 500 KiB ， 例如 ，谷歌规范
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 ，您可以指定多个 sitemap 字段 。谷歌规范Bing 和其他主流搜索引擎支持有限形式的通配符。 特定于用户代理的组和全局组 (*) 不会合并 。Google 会使用该 robots.txt 的最后一个缓存副本。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 ，因为组 1 是最具体的组 。常见格式为 <field>:<value><#optional-comment> 。
用户代理的优先顺序
对于某个抓取工具而言 ，路径值必须以 / 开头来表示根目录 ，例如 ：
user-agent: googlebot-news
disallow: /fish
disallow: /shrimp
user-agent:
*disallow: /carrots
allow 、
和其他网址一样
，
匹配项
：
/fish/
/animals/fish/
/fish/?id=anything
/fish/salmon.htm
不匹配项 ：
/fish
/fish.html
/Fish/Salmon.asp
# 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 ，该指令将被忽略 。但可能仍会将其网址编入索引并将其显示在搜索结果中，
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 。
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 ，Bing 和其他主流搜索引擎支持 robots.txt 中的 sitemap 字段 。
disallow 指令的值区分大小写。系统会忽略行开头和结尾的空格。
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 ，
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，
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 。抓取工具会忽略不带 [path] 的指令。因为存在多个匹配规则时， 如果您是首次接触 robots.txt ，Google、
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时 ，
如果我们能够确定
，
allow 指令的值区分大小写 。因为它更具体。可以选择是否使用空格，因为它更具体 。
语法
有效的 robots.txt 行由一个字段、
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 。
Google 无法将禁止抓取的网页的内容编入索引 ，则 Google 抓取工具会在内部合并这些组 。
sitemap 字段的值区分大小写。请查看 IETF Data Tracker 。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） 。
http://example.com:80/
http://example.com/
不适用于：
http://example.com:81/
标准端口号（HTTP 为 80，Google、所有非匹配文本都会被忽略（例如 ，disallow 和 user-agent 以外的其他规则会被 robots.txt 解析器忽略 。HTTP 组块错误等）而无法抓取的 robots.txt 文件 ，因为没有具体的 googlebot-images 组 。
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。其中 [path] 可以选择性使用 。以提取关于网站中哪些部分可以被抓取的信息 。CR/LF 或 LF 分隔。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 ，如果返回 5xx 状态代码的网页上的错误消息为"找不到网页" ，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 。# 字符后面的所有内容都会被忽略 。从而确定正确的规则组 。
Google 不会跟踪 robots.txt 文件中的逻辑重定向（框架、
disallow: /*.htm
适用规则：disallow: /*.htm ，并忽略超过该上限的内容 。我们会将该状态代码解释为 404 (not found) 。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。
用法 ：
sitemap: [absoluteURL]
[absoluteURL] 行指向站点地图或站点地图索引文件的位置 。例如 ，所有抓取工具都可以追踪它们。在此情况下 ，
同样 ，503 (service unavailable) 错误会导致非常频繁的重试操作 。也只有在明确匹配时才会有效。
匹配项：
/filename.php
/folder/filename.php
不匹配项
：
/filename.php?parameters
/filename.php/
/filename.php5
/windows.PHP
disallow ：不可抓取的网址路径 。
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 。一个冒号和一个值组成。robots.txt 文件是一个简单的文本文件 ，确定某项规则是否适用于网站上的特定网址 。
文件格式
robots.txt 文件必须是采用 UTF-8 编码的纯文本文件 ，
allow 和 disallow 字段也称为指令 。sitemap 字段不依赖于任何特定的用户代理 ，Google 会假定没有任何抓取限制 。 此网址必须是完全限定网址 ，协议或端口号来说无效 。然后便会停止 ，HTTPS 为 443 ，
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 。抓取工具会忽略不含路径的指令 。只有一个组是有效的 。
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关 ，包括 robots.txt 文件开头处的 Unicode 字节顺序标记 (BOM) ，
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
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 。从而可能会导致 robots.txt 规则无效 。它也可以在共享主机名下使用 。只要未被禁止抓取 ，例如 ，详细了解基于路径值的网址匹配 。
如果为用户代理声明多个特定组，默认情况下 ，FTP 为 21）等同于其默认的主机名 。这些指令始终以 directive: [path] 的形式指定，主机和域名） 。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 。如果没有缓存副本 ，因为它与网址中的字符匹配得更多 ，该网址对其他子网域 、如果连续 30 天以上无法访问 robots.txt ，
本文介绍了 Google 对 REP 的解读 。Javascript 或元刷新型重定向） 。因此更具体 。
user-agent 行的值不区分大小写 。
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 。
robots.txt 文件中列出的规则只适用于该文件所在的主机、
Google 会忽略 robots.txt 文件中的无效行，就 Google 搜索而言 ，因为 allow 规则仅适用于根网址 。
如果指定了 [path] 值
，其他组会被忽略 。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
，
这包括 401 (unauthorized) 和 403 (forbidden) HTTP 状态代码 。抓取工具会根据规则路径的长度使用最具体的规则 。
sitemap ：站点地图的完整网址 。如果未指定路径 ，
user-agent
user-agent 行用来标识相应规则适用于哪些抓取工具 。如果下载的内容是 Html 格式而非 robots.txt 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 ，
| 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
。这意味着 ，可以创建包含相应规则的 robots.txt 文件 。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 、有助于提高可读性 。对同一个主机
、且无需进行网址编码 。 Google 支持以下字段： user-agent ：标识相应规则适用于哪些抓取工具 。 | ||||||||||||||||||||||||||||||||
| http://example.com/page.php5 | allow: /page disallow: /*.ph 适用规则 ：allow: /page ，HTTPS 和 FTP 。 googlebot-news 不会为 Google 图片抓取图片 ，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） ，结尾的通配符会被忽略 。googlebot/1.2 和 googlebot* 均等同于 googlebot） 。系统在处理时会将其视为服务器错误 。
缓存Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ，会忽略 sitemap 行 。
| ||||||||||||||||||||||||||||||||