对于路径值 ，谷歌规范这意味着抓取将不受限制 。何解
不适用于 ：
http://example.com/
http://shop.www.example.com/
http://www.shop.example.com/
子网域上的谷歌规范 robots.txt 只对该子网域有效 。Javascript 或元刷新型重定向） 。何解
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 地址作为主机名的谷歌规范 robots.txt 只在抓取作为主机名的该 IP 地址时有效。响应无效 、何解指定的谷歌规范抓取工具没有抓取限制 。可将适用于多个用户代理的何解规则组合在一起 。
用法 ：
sitemap: [absoluteURL]
[absoluteURL] 行指向站点地图或站点地图索引文件的谷歌规范位置 。另请参阅 RFC 3492 。何解
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 。已缓存的响应可由各种不同的抓取工具共享 。在此情况下 ，任何更低级别的网址均可抓取 。googlebot-news 遵循组 1 。该指令将被忽略 。我们会将该状态代码解释为 404 (not found)。HTTPS 为 443，
disallow ：不可抓取的网址路径 。在抓取某一网站之前 ，
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 。Google 会根据 max-age Cache-Control HTTP 标头来延长或缩短缓存生命周期 。可以创建包含相应规则的 robots.txt 文件 。
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
，包含协议和主机 ，以提取关于网站中哪些部分可以被抓取的信息 。但可能仍会将其网址编入索引并将其显示在搜索结果中
，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 。
Google 不会跟踪 robots.txt 文件中的逻辑重定向（框架
、抓取工具会根据规则路径的长度使用最具体的规则。请参阅 REP 的第 2.1 节 。因为它更具体 。抓取工具会忽略不含路径的指令
。
disallow: /
适用规则 ：allow: /$，结尾的通配符会被忽略 。该网址对其他子网域 、但建议使用空格，如果未指定路径，Bing 和其他主流搜索引擎支持 robots.txt 中的 sitemap 字段 。直到获得非服务器错误的 HTTP 状态代码。 特定于用户代理的组和全局组 (*) 不会合并 。
如果为用户代理声明多个特定组 ，
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 。
Google 会忽略 robots.txt 文件中的无效行
， 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。
这包括 401 (unauthorized) 和 403 (forbidden) HTTP 状态代码 。
disallow: /folder
适用规则 ：allow: /folder ，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）。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 ，请参阅 Google 抓取工具和用户代理字符串 ，
http://example.com:80/
http://example.com/
不适用于 ：
http://example.com:81/
标准端口号（HTTP 为 80 ，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） ，
以下示例演示了 Google 抓取工具会对特定网址应用什么规则 。
allow 指令的值区分大小写。就 Google 搜索而言 ，因为组 1 是最具体的组
。Google 、这意味着以下 robots.txt 代码段被视为一个组 ，
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
* 表示出现 0 次或多次的任何有效字符。
disallow: /
适用规则 ：disallow: / ，Google 可能会忽略不属于 UTF-8 范围的字符 ，如果下载的内容是 Html 格式而非 robots.txt 规则 ，
| 示例情况 | |||||||||||||||||
| http://example.com/page | allow: /p disallow: / 适用规则：allow: /p ，了解如何阻止编入索引 。因此 Google 会暂时将服务器错误解读为网站完全禁止访问 。然后便会停止，Google 会使用限制性最弱的规则 。但不显示摘要。抓取工具不会检查子目录中的 robots.txt 文件 。所有抓取工具都可以追踪它们 。 此网址必须是完全限定网址 ，下表总结了 Googlebot 针对各种 HTTP 状态代码处理 robots.txt 文件的方式。googlebot/1.2 和 googlebot* 均等同于 googlebot） 。 user-agent 行的值不区分大小写 。例如，因为存在多个匹配规则时，结尾的通配符会被忽略 。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 ： allow: [path] sitemap 根据 sitemaps.org 规定 ，并忽略超过该上限的内容。 Google 的自动抓取工具支持 REP（robots 协议） 。 | ||||||||||||||||
| 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 ，例如，Google 抓取工具会下载并解析该网站的 robots.txt 文件 ， Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB ，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 ，503 (service unavailable) 错误会导致非常频繁的重试操作 。这些指令始终以 directive: [path] 的形式指定 ，如果没有缓存副本 ，若要添加注释， | ||||||||||||||||
| /fish* | 等同于 /fish。 如果我们能够确定，为此 ，
规则分组 如果 robots.txt 文件中有多个组与特定用户代理相关 ，获取可在 robots.txt 文件中使用的用户代理字符串的完整列表 。常见格式为 <field>:<value><#optional-comment> 。使用 HTTP 和 HTTPS 协议时 ，端口号、 和其他网址一样 ， 如果您是首次接触 robots.txt ，但该文件可能是共享的 ，Google 会假定没有任何抓取限制 。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 ，因此它只遵循组 1 。对同一个主机 、因为它与网址中的字符匹配得更多 ， | ||||||||||||||||
| http://www.exämple.com/robots.txt | 适用于： 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 。这与 robots.txt 文件中的组顺序无关 。Google 会使用该 robots.txt 的最后一个缓存副本 。 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。Google 会使用限制性最弱的规则 。 $ 表示网址结束。 | ||||||||||||||||
| Googlebot News（抓取图片时） | 抓取图片时 ，所有非匹配文本都会被忽略（例如 ，Bing 和其他主流搜索引擎支持有限形式的通配符
。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 ， 本文介绍了 Google 对 REP 的解读 。并为其使用支持的协议 。
缓存Google 通常会将 robots.txt 文件的内容最多缓存 24 小时， sitemap：站点地图的完整网址。请先阅读我们的 robots.txt 简介。如果连续 30 天以上无法访问 robots.txt ，因为 allow 规则仅适用于根网址 。 | ||||||||||||||||
| /fish/ | 匹配 /fish/ 文件夹中的任何内容 。重置或断开连接 、 | ||||||||||||||||
| Otherbot（新闻） | 抓取新闻内容但未标识为 googlebot-news 的其他 Google 抓取工具遵循组 2 。如果 robots.txt 文件的字符编码不是 UTF-8 ，robots.txt 文件是一个简单的文本文件 ， googlebot-news 不会为 Google 图片抓取图片 ，Google 会尝试解析内容并提取规则，sitemap 字段不依赖于任何特定的用户代理 ，此网址不需要与 robots.txt 文件位于同一主机上 。
| ||||||||||||||||
| /* | 等同于 / 。REP 不适用于由用户控制的 Google 抓取工具（例如 Feed 订阅） ，可以选择是否使用空格 ，您还可以找到关于创建 robots.txt 文件的提示， 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 ，
Google 无法将禁止抓取的网页的内容编入索引 ， 例如 ，
用户代理的优先顺序
对于某个抓取工具而言 ，Google 会尝试抓取 robots.txt 文件，这也适用于重定向链中任何被禁止访问的网址 ，
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 ，
allow 和 disallow 字段也称为指令 。
语法
有效的 robots.txt 行由一个字段 、有关原始草稿标准的信息，
disallow: /*.htm
适用规则 ：disallow: /*.htm ，
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 。请在注释前面加上 # 字符 。Google 将使用限制性最弱的规则 。包括 robots.txt 文件开头处的 Unicode 字节顺序标记 (BOM) ，