用法 ：
disallow: [path]
allow
allow 指令用来指定相应抓取工具可以访问的谷歌规范路径 。
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何解规则组 ：
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 ，但在无法刷新缓存版本的谷歌规范情况下（例如出现超时或 5xx 错误时），
user-agent 行的何解值不区分大小写 。获取可在 robots.txt 文件中使用的谷歌规范用户代理字符串的完整列表 。只有一个组是何解有效的 。任何更低级别的谷歌规范网址均可抓取 。因为组 1 是何解最具体的组 。抓取工具会忽略不含路径的谷歌规范指令 。这与 robots.txt 文件中的何解组顺序无关。另请参阅 RFC 3492 。谷歌规范
allow 和 disallow 字段也称为指令 。何解所有抓取工具都可以追踪它们 。谷歌规范因为存在多个匹配规则时，
allow ：可抓取的网址路径。HTTPS 和 FTP 。然后便会停止
，Google 将使用限制性最弱的规则
。
如果您需要暂停抓取
，
和其他网址一样 ，这些通配符包括：
* 表示出现 0 次或多次的任何有效字符 。
disallow: /*.ph
适用规则 ：allow: /page ，Google 会使用该 robots.txt 的最后一个缓存副本 。例如 ：
user-agent: googlebot-news
disallow: /fish
disallow: /shrimp
user-agent:
*disallow: /carrots
allow 、例如 ，系统在处理时会将其视为服务器错误 。
http://example.com:80/
http://example.com/
不适用于 ：
http://example.com:81/
标准端口号（HTTP 为 80 ，则 Google 抓取工具会在内部合并这些组 。您可以指定多个 sitemap 字段 。且无需进行网址编码 。此网址不需要与 robots.txt 文件位于同一主机上 。
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
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，
user-agent
user-agent 行用来标识相应规则适用于哪些抓取工具 。并将其作为 robots.txt 的 404 错误来处理。这也适用于重定向链中任何被禁止访问的网址 ，如果没有缓存副本，
disallow: /
适用规则：disallow: / ，
disallow: /
适用规则 ：allow: /$ ，
sitemap 字段的值区分大小写 。
robots.txt 文件中列出的规则只适用于该文件所在的主机 、HTTP 组块错误等）而无法抓取的 robots.txt 文件，
disallow 指令的值区分大小写。
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。协议或端口号来说无效 。在抓取某一网站之前 ，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 。重置或断开连接、因为没有具体的 googlebot-images 组 。默认情况下 ，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 。
$ 表示网址结束 。请参阅 Google 抓取工具和用户代理字符串，协议和端口号 。请在注释前面加上 # 字符 。这些指令始终以 directive: [path] 的形式指定 ，HTTPS 为 443 ，从而可能会导致 robots.txt 规则无效 。
| 示例情况 | |
| http://example.com/page | allow: /p disallow: / 适用规则：allow: /p，该网址对其他子网域 、 如果您是首次接触 robots.txt ， 如果我们能够确定，以提取关于网站中哪些部分可以被抓取的信息 。 Google 会忽略 robots.txt 文件中的无效行 ，就会将该网站的 5xx 错误作为 404 错误处理。 此网址必须是完全限定网址， |
| 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，所有非匹配文本都会被忽略（例如
，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 。结尾的通配符会被忽略。包括 robots.txt 文件开头处的 Unicode 字节顺序标记 (BOM)，例如 ，这意味着抓取将不受限制
。会忽略 sitemap 行 。 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 |
| /fish/ | 匹配 /fish/ 文件夹中的任何内容 。 |
| Googlebot News（抓取图片时） | 抓取图片时， |
| 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
， 匹配项 ： /filename.php /folder/filename.php 不匹配项 ： /filename.php?parameters /filename.php/ /filename.php5 /windows.PHP |
| /fish*.php | 匹配包含 /fish 和 .php（按此顺序）的任何路径 。文件格式robots.txt 文件必须是采用 UTF-8 编码的纯文本文件 ，Google 、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 ， 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，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，如果 robots.txt 文件的字符编码不是 UTF-8 ，以及一个详尽的常见问题解答列表 。使用 HTTP 和 HTTPS 协议时 ，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，为此 ， 本文介绍了 Google 对 REP 的解读
。robots.txt 文件的网址也区分大小写 。Google 会尝试解析内容并提取规则
， |
| 3xx（重定向） | Google 会按照 RFC 1945 的规定跟踪至少五次重定向 ，因为它与网址中的字符匹配得更多 ， |
| Otherbot（网络） | 其他 Google 抓取工具遵循组 2 。 |
| http://example.com/page.htm | allow: /page disallow: /*.htm 适用规则 ：disallow: /*.htm ，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 ，如果规则（包括使用通配符的规则）存在冲突， 用法 ： allow: [path] sitemap 根据 sitemaps.org 规定， |
| Googlebot（网络） | googlebot 遵循组 3。例如 ， |
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ，并忽略超过该上限的内容。详细了解基于路径值的网址匹配 。抓取工具会使用标准 RETR (RETRIEVE) 命令 ，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，
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时 ，robots.txt 文件是一个简单的文本文件，系统会忽略行开头和结尾的空格 。
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 。Google 会假定没有任何抓取限制 。因为抓取工具会由于重定向而无法提取规则 。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
、googlebot-news 遵循组 1 。
如果指定了 [path] 值 ，
disallow: /folder
适用规则 ：allow: /folder ，FTP 为 21）等同于其默认的主机名。REP 不适用于由用户控制的 Google 抓取工具（例如 Feed 订阅） ，Bing 和其他主流搜索引擎支持有限形式的通配符 。
同样 ，抓取工具会根据规则路径的长度使用最具体的规则 。
| 路径匹配示例 | |
| / | 匹配根目录以及任何下级网址 。CR/LF 或 LF 分隔。确定某项规则是否适用于网站上的特定网址 。 特定于用户代理的组和全局组 (*) 不会合并
。Javascript 或元刷新型重定向）。因此更具体
。指定的抓取工具没有抓取限制 。Google 可能会忽略不属于 UTF-8 范围的字符，如果未指定路径， sitemap
：站点地图的完整网址 。 |
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关 ，包含协议和主机，从而确定正确的规则组 。
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 。就 Google 搜索而言，
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 ，
Google 无法将禁止抓取的网页的内容编入索引 ，主机和域名）。503 (service unavailable) 错误会导致非常频繁的重试操作 。
用户代理的优先顺序
对于某个抓取工具而言 ，常见格式为 <field>:<value><#optional-comment> 。
| 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 。结尾的通配符会被忽略。 语法有效的 robots.txt 行由一个字段、 Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB，Google 会尝试抓取 robots.txt 文件
，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） 。 | ||||||||||||||
| /*.php | 匹配包含 .php 的任何路径
。Google 会根据 max-age Cache-Control HTTP 标头来延长或缩短缓存生命周期
。例如， 用法 ： sitemap: [absoluteURL] [absoluteURL] 行指向站点地图或站点地图索引文件的位置 。# 字符后面的所有内容都会被忽略 。 如果为用户代理声明多个特定组 ，Google 会使用限制性最弱的规则 。 | ||||||||||||||
| 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。您还可以找到关于创建 robots.txt 文件的提示 ，googlebot/1.2 和 googlebot* 均等同于 googlebot）。 Google 支持以下字段 ： user-agent ：标识相应规则适用于哪些抓取工具。可以创建包含相应规则的 robots.txt 文件 。 disallow ：不可抓取的网址路径 。 allow 指令的值区分大小写 。即使有相关抓取工具的对应条目 ，Google 、 以下示例演示了 Google 抓取工具会对特定网址应用什么规则。我们会将该状态代码解释为 404 (not found) 。因此 Google 会暂时将服务器错误解读为网站完全禁止访问 。该值区分大小写 。 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 ：
| ||||||||||||||