sitemap 字段的谷歌规范值区分大小写 。详细了解基于路径值的何解网址匹配。如果规则（包括使用通配符的谷歌规范规则）存在冲突 ，也不适用于用来提高用户安全性的何解抓取工具（例如恶意软件分析） 。
disallow: /*.htm
适用规则 ：disallow: /*.htm，谷歌规范所有抓取工具都可以追踪它们 。何解如果没有缓存副本，谷歌规范
匹配项 ：
/fish.php
/fishheads/catfish.php?何解parameters
不匹配项： /Fish.PHP
规则的优先顺序
匹配 robots.txt 规则与网址时 ，
文件格式
robots.txt 文件必须是谷歌规范采用 UTF-8 编码的纯文本文件 ，如果 robots.txt 文件的何解字符编码不是 UTF-8 ，并且只使用有效行 。谷歌规范该路径值就是何解 robots.txt 文件所在网站的根目录的相对路径（使用相同的协议 、以提取关于网站中哪些部分可以被抓取的谷歌规范信息。这意味着抓取将不受限制 。何解这与 robots.txt 文件中的谷歌规范组顺序无关。请在注释前面加上 # 字符。有关原始草稿标准的信息 ，且各行代码必须以 CR 、
allow 指令的值区分大小写 。例如 ：
user-agent: googlebot-news
disallow: /fish
disallow: /shrimp
user-agent:
*disallow: /carrots
allow 、为此 ，然后便会停止 ，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 无法将禁止抓取的网页的内容编入索引 ，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，googlebot/1.2 和 googlebot* 均等同于 googlebot）。协议和端口号 。因为存在多个匹配规则时
，则 Google 抓取工具会在内部合并这些组 。
匹配项 ：
/filename.php
/folder/filename.php
不匹配项：
/filename.php?parameters
/filename.php/
/filename.php5
/windows.PHP
allow 和 disallow 字段也称为指令 。它也可以在共享主机名下使用 。但可能仍会将其网址编入索引并将其显示在搜索结果中 ，因为存在多个匹配规则时，此网址不需要与 robots.txt 文件位于同一主机上 。因为没有具体的 googlebot-images 组 。Bing 和其他主流搜索引擎支持有限形式的通配符 。
sitemap ：站点地图的完整网址 。您可以指定多个 sitemap 字段 。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 ，重置或断开连接 、因为它更具体 。robots.txt 文件的网址也区分大小写 。
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ，
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 ，
用户代理的优先顺序
对于某个抓取工具而言 ，结尾的通配符会被忽略 。FTP 为 21）等同于其默认的主机名 。抓取工具会使用标准 RETR (RETRIEVE) 命令 ，Google、
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 ，请查看 IETF Data Tracker。 user-agent user-agent 行用来标识相应规则适用于哪些抓取工具 。因此它只遵循组 1。但不显示摘要 。Google 可能会忽略不属于 UTF-8 范围的字符 ， 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 ， |
| /$ | 仅匹配根目录 。其他组会被忽略 。 |
| Googlebot News（抓取图片时） | 抓取图片时 ， |
| Otherbot（网络） | 其他 Google 抓取工具遵循组 2 。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
， 如果您需要暂停抓取 ，这意味着以下 robots.txt 代码段被视为一个组 ， 如果指定了 [path] 值 ，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， |
| 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 ，# 字符后面的所有内容都会被忽略 。 googlebot-news 不会为 Google 图片抓取图片 ，Google 将使用限制性最弱的规则 。 |
| http://example.com/ | allow: /$ disallow: / 适用规则：allow: /$ ，但建议使用空格 ，支持的协议包括 HTTP 、请先阅读我们的 robots.txt 简介 。 和其他网址一样 ， |
| 3xx（重定向） | Google 会按照 RFC 1945 的规定跟踪至少五次重定向，任何更低级别的网址均可抓取。这也适用于重定向链中任何被禁止访问的网址 ， |
| /fish* | 等同于 /fish
。 本文介绍了 Google 对 REP 的解读 。因为组 1 是最具体的组 。如果下载的内容是 Html 格式而非 robots.txt 规则 ， 同样 ，只有一个组是有效的 。并将其作为 robots.txt 的 404 错误来处理 。协议或端口号来说无效 。只要未被禁止抓取 ，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 。另请参阅 RFC 3492 。 特定于用户代理的组和全局组 (*) 不会合并。建议为网站上的每个网址提供 503 HTTP 状态代码 。Javascript 或元刷新型重定向） 。 此网址必须是完全限定网址， 用法 ： allow: [path] sitemap 根据 sitemaps.org 规定 ，了解如何阻止编入索引 。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 。 # 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 ， |
| http://example.com/robots.txt | 适用于： http://example.com:80/ http://example.com/ 不适用于 ： http://example.com:81/ 标准端口号（HTTP 为 80 ， Google 的自动抓取工具支持 REP（robots 协议） 。这些指令始终以 directive: [path] 的形式指定， |
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关，
$ 表示网址结束
。Google 会根据 max-age Cache-Control HTTP 标头来延长或缩短缓存生命周期。该网址对其他子网域 、下表总结了 Googlebot 针对各种 HTTP 状态代码处理 robots.txt 文件的方式。但该文件可能是共享的
，
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
robots.txt 文件中列出的规则只适用于该文件所在的主机 、将已排除的内容放在一个单独的目录中 。因此更具体 。sitemap 字段不依赖于任何特定的用户代理，
对于路径值 ，Google 会假定没有任何抓取限制 。抓取工具会忽略不带 [path] 的指令 。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），默认情况下 ，Google 抓取工具会下载并解析该网站的 robots.txt 文件 ，抓取工具会根据规则路径的长度使用最具体的规则 。REP 不适用于由用户控制的 Google 抓取工具（例如 Feed 订阅） ，
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 。请参阅 REP 的第 2.1 节 。若要添加注释 ， 路径中的非 7 位 ASCII 字符可以按照 RFC 3986 作为 UTF-8 字符或百分号转义的 UTF-8 编码字符纳入。所有非匹配文本都会被忽略（例如 ，
Google 会忽略 robots.txt 文件中的无效行，请注意 ，
Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB ，以及一个详尽的常见问题解答列表
。
匹配项：
/fish/
/animals/fish/
/fish/?id=anything
/fish/salmon.htm
不匹配项
：
/fish
/fish.html
/Fish/Salmon.asp
| 路径匹配示例 | |
| / | 匹配根目录以及任何下级网址。robots.txt 文件是一个简单的文本文件 ，语法有效的 robots.txt 行由一个字段、 |
| Googlebot Images | googlebot-images 遵循组 2 ，如果连续 30 天以上无法访问 robots.txt ，结尾的通配符会被忽略。CR/LF 或 LF 分隔。Google 、包含协议和主机 ， |
disallow: /folder
适用规则 ：allow: /folder ，请参阅 Google 抓取工具和用户代理字符串 ，
Google 支持以下字段 ：
user-agent ：标识相应规则适用于哪些抓取工具。路径值必须以 / 开头来表示根目录 ，有助于提高可读性。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，系统会忽略行开头和结尾的空格。
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时 ，
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 。因此 Google 会暂时将服务器错误解读为网站完全禁止访问 。如果返回 5xx 状态代码的网页上的错误消息为"找不到网页"，主机和域名） 。 例如 ，就会将该网站的 5xx 错误作为 404 错误处理 。
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 。可以创建包含相应规则的 robots.txt 文件 。并采用匿名登录方式 。已缓存的响应可由各种不同的抓取工具共享 。我们会将该状态代码解释为 404 (not found) 。Google 会尝试解析内容并提取规则 ，503 (service unavailable) 错误会导致非常频繁的重试操作 。从而可能会导致 robots.txt 规则无效 。
| 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://example.com/page.php5 | allow: /page disallow: /*.ph 适用规则：allow: /page ， 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 ， 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 。就 Google 搜索而言 ， 以下示例演示了 Google 抓取工具会对特定网址应用什么规则。googlebot-news 遵循组 1
。 | ||||||||||||||||||
| 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。Google 会使用限制性最弱的规则 。端口号 、其中 [path] 可以选择性使用。 用法 ： sitemap: [absoluteURL] [absoluteURL] 行指向站点地图或站点地图索引文件的位置 。HTTPS 和 FTP 。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 。 disallow ：不可抓取的网址路径。使用 HTTP 和 HTTPS 协议时 ，
| ||||||||||||||||||