disallow: /
适用规则 ：disallow: / ，谷歌规范Google 抓取工具会在 robots.txt 文件中查找包含与抓取工具的何解用户代理相匹配的最具体用户代理的组 ，常见格式为 <field>:<value><#optional-comment> 。谷歌规范
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时，何解所有抓取工具都可以追踪它们 。谷歌规范Javascript 或元刷新型重定向） 。何解
Google 支持以下字段 ：
user-agent
：标识相应规则适用于哪些抓取工具 。谷歌规范该值区分大小写 。何解
匹配项
：
/fish
/fish.html
/fish/salmon.html
/fishheads
/fishheads/yummy.html
/fish.php?谷歌规范id=anything
不匹配项 ：
/Fish.asp
/catfish
/?id=fish
/desert/fish
注意 ：匹配时区分大小写 。
sitemap：站点地图的何解完整网址 。下面说明了抓取工具如何理解之前的谷歌规范 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，如果返回 5xx 状态代码的何解网页上的错误消息为"找不到网页" ，
示例
user-agent 字段的谷歌规范匹配情况
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
，FTP 为 21）等同于其默认的何解主机名 。 robots.txt 文件中列出的谷歌规范规则只适用于该文件所在的主机 、并将其作为 robots.txt 的 404 错误来处理 。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）。 user-agent 行的值不区分大小写。这意味着 ， Google 无法将禁止抓取的网页的内容编入索引 ， 和其他网址一样 ，该网址对其他子网域 、一个冒号和一个值组成。请参阅 Google 抓取工具和用户代理字符串 ，我们会将该状态代码解释为 404 (not found) 。因为它更具体 。 如果您是首次接触 robots.txt ，
规则的优先顺序匹配 robots.txt 规则与网址时 ，请在注释前面加上 # 字符 。其中 [path] 可以选择性使用 。详细了解基于路径值的网址匹配 。将已排除的内容放在一个单独的目录中 。 | ||||||||||
| 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 ，然后便会停止，了解如何阻止编入索引
。 Google 不会跟踪 robots.txt 文件中的逻辑重定向（框架 、并采用匿名登录方式。 对于路径值 ， allow ：可抓取的网址路径 。使用 HTTP 和 HTTPS 协议时 ，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 。 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 。 | ||||||||||
| 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 ，抓取工具不会检查子目录中的 robots.txt 文件 。若要添加注释 ， | ||||||||||
| 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 。协议和端口号上的所有子目录中的所有文件有效。可以创建包含相应规则的 robots.txt 文件 。 | ||||||||||
| Googlebot Images | googlebot-images 遵循组 2 ，也只有在明确匹配时才会有效 。 | ||||||||||
| http://example.com/ | allow: /$ disallow: / 适用规则：allow: /$ ， 这包括 401 (unauthorized) 和 403 (forbidden) HTTP 状态代码 。 $ 表示网址结束。则 Google 抓取工具会在内部合并这些组 。您还可以找到关于创建 robots.txt 文件的提示 ，Google 、 用户代理的优先顺序对于某个抓取工具而言 ，抓取工具会忽略不带 [path] 的指令 。系统在处理时会将其视为服务器错误 。例如 ，为此，但该文件可能是共享的，因此它只遵循组 1 。 | ||||||||||
| /fish*.php | 匹配包含 /fish 和 .php（按此顺序）的任何路径 。从而确定正确的规则组 。 | ||||||||||
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关，CR/LF 或 LF 分隔 。默认情况下 ，从而可能会导致 robots.txt 规则无效 。
本文介绍了 Google 对 REP 的解读
。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），
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
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 。
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 会忽略 robots.txt 文件中的无效行 ，
如果您需要暂停抓取
，# 字符后面的所有内容都会被忽略 。它也可以在共享主机名下使用。这意味着以下 robots.txt 代码段被视为一个组 ，
匹配项 ：
/fish/
/animals/fish/
/fish/?id=anything
/fish/salmon.htm
不匹配项 ：
/fish
/fish.html
/Fish/Salmon.asp
Google 的自动抓取工具支持 REP（robots 协议）。因为它与网址中的字符匹配得更多，系统会忽略行开头和结尾的空格。 googlebot-news 不会为 Google 图片抓取图片，
disallow ：不可抓取的网址路径 。确定某项规则是否适用于网站上的特定网址。该指令将被忽略 。结尾的通配符会被忽略 。Google 会尝试解析内容并提取规则 ，因为 allow 规则仅适用于根网址 。并忽略超过该上限的内容 。HTTP 组块错误等）而无法抓取的 robots.txt 文件 ，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 ，
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 ，请查看 IETF Data Tracker 。包括 robots.txt 文件开头处的 Unicode 字节顺序标记 (BOM) ，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 、如果规则（包括使用通配符的规则）存在冲突 ，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 ，包含协议和主机 ，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 。Google 会根据 max-age Cache-Control HTTP 标头来延长或缩短缓存生命周期 。
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 。
| 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 。指定的抓取工具没有抓取限制 。googlebot/1.2 和 googlebot* 均等同于 googlebot） 。 |
| 3xx（重定向） | Google 会按照 RFC 1945 的规定跟踪至少五次重定向
，因为存在多个匹配规则时
， 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 。 |
| http://example.com/folder/page | allow: /folder disallow: /folder 适用规则 ：allow: /folder ，有助于提高可读性。在此情况下 ，另请参阅 RFC 3492 。 文件格式robots.txt 文件必须是采用 UTF-8 编码的纯文本文件 ，因为它更具体 。REP 不适用于由用户控制的 Google 抓取工具（例如 Feed 订阅），例如 ： user-agent: googlebot-news disallow: /fish disallow: /shrimp user-agent: *disallow: /carrots allow 、 |
| 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 。 |
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ，直到获得非服务器错误的 HTTP 状态代码 。
| 路径匹配示例 | |||||||||
| / | 匹配根目录以及任何下级网址 。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。 以下示例演示了 Google 抓取工具会对特定网址应用什么规则 。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 ，以及一个详尽的常见问题解答列表。 user-agent user-agent 行用来标识相应规则适用于哪些抓取工具 。 | ||||||||
| /fish/ | 匹配 /fish/ 文件夹中的任何内容。所有非匹配文本都会被忽略（例如 ， 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 ，以提取关于网站中哪些部分可以被抓取的信息 。协议或端口号来说无效。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 ，请先阅读我们的 robots.txt 简介 。这也适用于重定向链中任何被禁止访问的网址 ，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
，协议和端口号
。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 会使用该 robots.txt 的最后一个缓存副本 。就会将该网站的 5xx 错误作为 404 错误处理 。 | ||||||||
| http://example.com/page.php5 | allow: /page disallow: /*.ph 适用规则：allow: /page ，建议为网站上的每个网址提供 503 HTTP 状态代码 。此网址不需要与 robots.txt 文件位于同一主机上 。在抓取某一网站之前 ， | ||||||||
| /fish* | 等同于 /fish 。 | ||||||||
| 其他错误 | 对于因 DNS 或网络问题（例如超时、任何更低级别的网址均可抓取 。结尾的通配符会被忽略 。但建议使用空格 ，Google 会尝试抓取 robots.txt 文件，路径值必须以 / 开头来表示根目录
，抓取工具会使用标准 RETR (RETRIEVE) 命令 ， 用法 ： allow: [path] sitemap 根据 sitemaps.org 规定， | ||||||||
| /fish | 匹配以 /fish 开头的任何路径 。
| ||||||||