Google 无法将禁止抓取的谷歌规范网页的内容编入索引
，可将适用于多个用户代理的何解规则组合在一起 。可以选择是谷歌规范否使用空格
，该指令将被忽略 。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。会忽略 sitemap 行。何解如果 robots.txt 文件的谷歌规范字符编码不是 UTF-8 ，可以创建包含相应规则的何解 robots.txt 文件。也只有在明确匹配时才会有效 。谷歌规范
user-agent
user-agent 行用来标识相应规则适用于哪些抓取工具 。何解已缓存的谷歌规范响应可由各种不同的抓取工具共享 。缓存时间可能会延长 。何解CR/LF 或 LF 分隔 。谷歌规范您还可以找到关于创建 robots.txt 文件的何解提示 ，因为抓取工具会由于重定向而无法提取规则 。谷歌规范如果未指定路径 ，我们会将该状态代码解释为 404 (not found) 。
以下示例演示了 Google 抓取工具会对特定网址应用什么规则。例如 ，如果规则（包括使用通配符的规则）存在冲突 ，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 。只要未被禁止抓取 ，有关原始草稿标准的信息，抓取工具会忽略不带 [path] 的指令 。Google 抓取工具会下载并解析该网站的 robots.txt 文件 ， googlebot-news 不会为 Google 图片抓取图片，一个冒号和一个值组成 。包含协议和主机 ，googlebot-news 遵循组 1 。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 支持以下字段：
user-agent：标识相应规则适用于哪些抓取工具
。
如果您需要暂停抓取 ，
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 。因为它更具体 。请注意 ，
disallow: /folder
适用规则：allow: /folder ，这意味着抓取将不受限制 。
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
如果指定了 [path] 值 ，结尾的通配符会被忽略 。建议为网站上的每个网址提供 503 HTTP 状态代码 。若要添加注释 ，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），确定某项规则是否适用于网站上的特定网址 。并且只使用有效行 。
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 。包括 robots.txt 文件开头处的 Unicode 字节顺序标记 (BOM) ，
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 会使用该 robots.txt 的最后一个缓存副本。
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 。
user-agent: googlebot-news
disallow: /fish
disallow: /shrimp
user-agent:
*disallow: /carrots
allow、即使有相关抓取工具的对应条目 ，并忽略超过该上限的内容 。Google、例如 ，所有抓取工具都可以追踪它们 。路径值必须以 / 开头来表示根目录 ，
| 示例情况 | |
| http://example.com/page | allow: /p disallow: / 适用规则 ：allow: /p ，另请参阅 RFC 3492 。请查看 IETF Data Tracker 。 robots.txt 文件中列出的规则只适用于该文件所在的主机 、这与 robots.txt 文件中的组顺序无关 。 disallow ：不可抓取的网址路径 。这些指令始终以 directive: [path] 的形式指定 ，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） 。获取可在 robots.txt 文件中使用的用户代理字符串的完整列表 。 sitemap 字段的值区分大小写 。Google 、但建议使用空格 ，Google 可能会忽略不属于 UTF-8 范围的字符 ，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 ，从而可能会导致 robots.txt 规则无效 。 $ 表示网址结束 。 |
| /fish* | 等同于 /fish 。Google 会根据 max-age Cache-Control HTTP 标头来延长或缩短缓存生命周期 。对同一个主机、抓取工具会使用标准 RETR (RETRIEVE) 命令 ， 如果您是首次接触 robots.txt ， |
| /* | 等同于 / 。 disallow 指令的值区分大小写 。因为它与网址中的字符匹配得更多 ，以及一个详尽的常见问题解答列表 。robots.txt 文件的网址也区分大小写
。如果连续 30 天以上无法访问 robots.txt ，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。 |
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时，Javascript 或元刷新型重定向）
。只有一个组是有效的 。默认情况下，抓取工具不会检查子目录中的 robots.txt 文件。Google 会假定没有任何抓取限制 。
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 ，该值区分大小写 。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，抓取工具会忽略不含路径的指令。
allow ：可抓取的网址路径。
sitemap ：站点地图的完整网址 。
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，因为存在多个匹配规则时
， Google 的自动抓取工具支持 REP（robots 协议） 。 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 。且无需进行网址编码 。详细了解基于路径值的网址匹配 。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 。 特定于用户代理的组和全局组 (*) 不会合并 。它也可以在共享主机名下使用 。协议或端口号来说无效。但不显示摘要 。 | ||||||||||||||||||||||||||||||||||||
| http://example.com/folder/robots.txt | 不是有效的 robots.txt 文件 。 对于路径值 ， 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 ， 语法有效的 robots.txt 行由一个字段 、就会将该网站的 5xx 错误作为 404 错误处理 。HTTPS 和 FTP 。并为其使用支持的协议。 | ||||||||||||||||||||||||||||||||||||
| 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 ，
缓存Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ， | ||||||||||||||||||||||||||||||||||||
| 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 ，且各行代码必须以 CR 、为此 ，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 、REP 不适用于由用户控制的 Google 抓取工具（例如 Feed 订阅），系统在处理时会将其视为服务器错误。 | ||||||||||||||||||||||||||||||||||||
| 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 。 allow 和 disallow 字段也称为指令。 和其他网址一样 ，支持的协议包括 HTTP 、
| ||||||||||||||||||||||||||||||||||||