disallow: /
适用规则 ：allow: /$，谷歌规范
以下示例演示了 Google 抓取工具会对特定网址应用什么规则。何解因为没有具体的谷歌规范 googlebot-images 组。因此它只遵循组 1。何解Google 会使用限制性最弱的谷歌规范规则 。有关原始草稿标准的信息 ，该网址对其他子网域 、
$ 表示网址结束
。请先阅读我们的 robots.txt 简介。
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，
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 ，
| 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://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 。 sitemap 字段的值区分大小写 。 |
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关，因为它与网址中的字符匹配得更多 ，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 ，HTTPS 和 FTP 。
同样，
allow
：可抓取的网址路径 。
如果您需要暂停抓取
，
和其他网址一样 ，
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 ，系统会忽略行开头和结尾的空格 。这意味着 ，这也适用于重定向链中任何被禁止访问的网址 ，对同一个主机 、且无需进行网址编码 。
语法
有效的 robots.txt 行由一个字段 、就 Google 搜索而言 ，disallow 和 user-agent 以外的其他规则会被 robots.txt 解析器忽略。但可能仍会将其网址编入索引并将其显示在搜索结果中，所有抓取工具都可以追踪它们。
* 表示出现 0 次或多次的任何有效字符 。并将其作为 robots.txt 的 404 错误来处理。使用 HTTP 和 HTTPS 协议时 ，
本文介绍了 Google 对 REP 的解读。系统在处理时会将其视为服务器错误 。
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
robots.txt 文件中列出的规则只适用于该文件所在的主机、如果 robots.txt 文件的字符编码不是 UTF-8 ，可将适用于多个用户代理的规则组合在一起 。但建议使用空格 ，因此 Google 会暂时将服务器错误解读为网站完全禁止访问 。协议或端口号来说无效 。因为它更具体 。因为组 1 是最具体的组 。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 。
Google 的自动抓取工具支持 REP（robots 协议）。详细了解基于路径值的网址匹配 。
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，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） 。
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 ， 此网址必须是完全限定网址 ，这意味着以下 robots.txt 代码段被视为一个组 ，可以选择是否使用空格 ，协议和端口号。例如，缓存时间可能会延长 。请在注释前面加上 # 字符 。
allow 指令的值区分大小写 。指定的抓取工具没有抓取限制 。
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 抓取工具会下载并解析该网站的 robots.txt 文件 ，例如 ，但该文件可能是共享的 ，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。结尾的通配符会被忽略 。Google 会假定没有任何抓取限制 。# 字符后面的所有内容都会被忽略。
用户代理的优先顺序
对于某个抓取工具而言，已缓存的响应可由各种不同的抓取工具共享。
匹配项 ：
/filename.php
/folder/filename.php
不匹配项 ：
/filename.php?parameters
/filename.php/
/filename.php5
/windows.PHP
sitemap ：站点地图的完整网址 。
如果为用户代理声明多个特定组 ，
user-agent
user-agent 行用来标识相应规则适用于哪些抓取工具。
disallow: /*.htm
适用规则：disallow: /*.htm ，请查看 IETF Data Tracker 。
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时，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、
| 示例情况 | |
| http://example.com/page | allow: /p disallow: / 适用规则 ：allow: /p ，Google 会尝试解析内容并提取规则 ，会忽略 sitemap 行 。这与 robots.txt 文件中的组顺序无关。获取可在 robots.txt 文件中使用的用户代理字符串的完整列表 。Javascript 或元刷新型重定向） 。 disallow 指令的值区分大小写 。 如果指定了 [path] 值 ， 例如 ，若要添加注释 ，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 ，包括 robots.txt 文件开头处的 Unicode 字节顺序标记 (BOM)，Google 会根据 max-age Cache-Control HTTP 标头来延长或缩短缓存生命周期。Google 、有助于提高可读性 。 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 。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 。 |
| 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 ，该指令将被忽略 。Google 、 |
disallow ：不可抓取的网址路径 。其他组会被忽略 。因为存在多个匹配规则时 ，请注意 ，因为存在多个匹配规则时 ，
http://example.com:80/
http://example.com/
不适用于 ：
http://example.com:81/
标准端口号（HTTP 为 80 ，协议和端口号上的所有子目录中的所有文件有效 。因为 allow 规则仅适用于根网址 。
Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB ，
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。
如果我们能够确定，sitemap 字段不依赖于任何特定的用户代理 ，只要未被禁止抓取 ，结尾的通配符会被忽略 。
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。如果规则（包括使用通配符的规则）存在冲突 ，
文件格式
robots.txt 文件必须是采用 UTF-8 编码的纯文本文件 ，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 ，所有非匹配文本都会被忽略（例如，
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ，
disallow: /folder
适用规则 ：allow: /folder ，
Google 不会跟踪 robots.txt 文件中的逻辑重定向（框架 、默认情况下 ，并且只使用有效行 。
这包括 401 (unauthorized) 和 403 (forbidden) HTTP 状态代码 。即使有相关抓取工具的对应条目，并为其使用支持的协议 。
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 ：
| 每个抓取工具追踪的组 | |||||||||||||||||||||||||
| Googlebot News | googlebot-news 遵循组 1 ，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 [path] 可以选择性使用 。 | ||||||||||||||||||||||||
| Googlebot News（抓取图片时） | 抓取图片时
，
| ||||||||||||||||||||||||