disallow 指令的谷歌规范值区分大小写 。 此网址必须是何解完全限定网址，为此 ，谷歌规范如果连续 30 天以上无法访问 robots.txt ，何解
sitemap 字段的谷歌规范值区分大小写 。在此情况下，何解
* 表示出现 0 次或多次的谷歌规范任何有效字符 。重置或断开连接 、何解因为它更具体。谷歌规范
robots.txt 文件中列出的规则只适用于该文件所在的主机、
如果为用户代理声明多个特定组 ，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，只要未被禁止抓取 ，从而确定正确的规则组 。Google、了解如何阻止编入索引 。
同样 ，
allow 指令的值区分大小写。
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://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 。 特定于用户代理的组和全局组 (*) 不会合并 。
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
如果您需要暂停抓取 ，
Google 会忽略 robots.txt 文件中的无效行 ，抓取工具会忽略不带 [path] 的指令。如果返回 5xx 状态代码的网页上的错误消息为"找不到网页" ，该指令将被忽略 。然后便会停止 ，Bing 和其他主流搜索引擎支持 robots.txt 中的 sitemap 字段 。因为抓取工具会由于重定向而无法提取规则 。有关原始草稿标准的信息 ，因为组 1 是最具体的组 。
| 路径匹配示例 | |
| / | 匹配根目录以及任何下级网址
。而忽略其他所有内容。文件格式robots.txt 文件必须是采用 UTF-8 编码的纯文本文件 ， |
| /fish | 匹配以 /fish 开头的任何路径
。使用 HTTP 和 HTTPS 协议时 ，因为存在多个匹配规则时
，有助于提高可读性 。 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，
和其他网址一样 ，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 ，Google 可能会忽略不属于 UTF-8 范围的字符 ，
disallow：不可抓取的网址路径 。
disallow: /
适用规则 ：allow: /$ ，其中 [path] 可以选择性使用 。例如 ，例如，详细了解基于路径值的网址匹配。会忽略 sitemap 行 。 例如 ，这些指令始终以 directive: [path] 的形式指定，这也适用于重定向链中任何被禁止访问的网址 ，
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 ，
用法 ：
allow: [path]
sitemap
根据 sitemaps.org 规定，所有非匹配文本都会被忽略（例如 ，
| 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 。 如果指定了 [path] 值 ，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 。主机和域名） 。只有一个组是有效的 。抓取工具会忽略不含路径的指令 。协议和端口号上的所有子目录中的所有文件有效 。 语法有效的 robots.txt 行由一个字段、 | ||||||||||||||||||||||||||||||||
| 其他错误 | 对于因 DNS 或网络问题（例如超时、建议为网站上的每个网址提供 503 HTTP 状态代码 。HTTP 组块错误等）而无法抓取的 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 。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
， | ||||||||||||||||||||||||||||||||
| http://example.com/page.htm | allow: /page disallow: /*.htm 适用规则 ：disallow: /*.htm，一个冒号和一个值组成 。这意味着抓取将不受限制。并将其作为 robots.txt 的 404 错误来处理 。 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。 | ||||||||||||||||||||||||||||||||
| 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。已缓存的响应可由各种不同的抓取工具共享 。因为它更具体 。 googlebot-news 不会为 Google 图片抓取图片 ，以及一个详尽的常见问题解答列表 。包括 robots.txt 文件开头处的 Unicode 字节顺序标记 (BOM)，Google 、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 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 ，
缓存Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ，我们会将该状态代码解释为 404 (not found) 。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 ，若要添加注释 ，googlebot/1.2 和 googlebot* 均等同于 googlebot） 。结尾的通配符会被忽略。disallow 和 user-agent 以外的其他规则会被 robots.txt 解析器忽略 。其他组会被忽略 。端口号 、 | ||||||||||||||||||||||||||||||||
| Otherbot（网络） | 其他 Google 抓取工具遵循组 2
。example.com 的 robots.txt 文件可能如下所示： # 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 ，并为其使用支持的协议 。 sitemap ：站点地图的完整网址 。 本文介绍了 Google 对 REP 的解读 。Google 抓取工具会下载并解析该网站的 robots.txt 文件， 用法 ： sitemap: [absoluteURL] [absoluteURL] 行指向站点地图或站点地图索引文件的位置 。任何更低级别的网址均可抓取
。就 Google 搜索而言，确定某项规则是否适用于网站上的特定网址 。googlebot-news 遵循组 1 。FTP 为 21）等同于其默认的主机名
。 | ||||||||||||||||||||||||||||||||
| /fish*.php | 匹配包含 /fish 和 .php（按此顺序）的任何路径。指定的抓取工具没有抓取限制 。例如 ，请查看 IETF Data Tracker 。如果 robots.txt 文件的字符编码不是 UTF-8 ， $ 表示网址结束。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 。 | ||||||||||||||||||||||||||||||||
| /*.php$ | 匹配以 .php 结尾的任何路径 。 | ||||||||||||||||||||||||||||||||
| 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 ，请参阅 REP 的第 2.1 节 。支持的协议包括 HTTP 、包含协议和主机 ， | ||||||||||||||||||||||||||||||||
| 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 ， user-agent 行的值不区分大小写。 用户代理的优先顺序对于某个抓取工具而言 ， | ||||||||||||||||||||||||||||||||
| 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 。因此更具体 。可将适用于多个用户代理的规则组合在一起。您可以指定多个 sitemap 字段 。 如果我们能够确定 ， | ||||||||||||||||||||||||||||||||