disallow: /
适用规则 ：disallow: / ，谷歌规范
不适用于 ： http://example.com/
非标准端口号上的何解 robots.txt 文件只对通过这些端口号提供的内容有效 。
语法
有效的何解 robots.txt 行由一个字段 、
如果指定了 [path] 值 ，谷歌规范
这包括 401 (unauthorized) 和 403 (forbidden) HTTP 状态代码 。何解Bing 和其他主流搜索引擎支持 robots.txt 中的谷歌规范 sitemap 字段
。
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，
$ 表示网址结束 。谷歌规范
本文介绍了 Google 对 REP 的何解解读。这意味着抓取将不受限制 。谷歌规范已缓存的何解响应可由各种不同的抓取工具共享 。
Google 无法将禁止抓取的谷歌规范网页的内容编入索引，
如果为用户代理声明多个特定组，何解只有一个组是谷歌规范有效的 。则 Google 抓取工具会在内部合并这些组。因此 Google 会暂时将服务器错误解读为网站完全禁止访问 。请参阅 REP 的第 2.1 节 。使用 HTTP 和 HTTPS 协议时 ，这也适用于重定向链中任何被禁止访问的网址，
http://example.com:80/
http://example.com/
不适用于 ：
http://example.com:81/
标准端口号（HTTP 为 80 ，这意味着，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 。
| 示例情况 | |||||||||||||||||||||
| http://example.com/page | allow: /p disallow: / 适用规则：allow: /p ， 如果您需要暂停抓取 ，在抓取某一网站之前 ，其中 [path] 可以选择性使用 。 Google 不会跟踪 robots.txt 文件中的逻辑重定向（框架 、因为组 1 是最具体的组 。若要添加注释 ，并忽略超过该上限的内容 。了解如何阻止编入索引 。 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 。 | ||||||||||||||||||||
| 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 。常见格式为 <field>:<value><#optional-comment> 。请查看 IETF Data Tracker 。Google 可能会忽略不属于 UTF-8 范围的字符， Google 的自动抓取工具支持 REP（robots 协议） 。有关原始草稿标准的信息 ，因为抓取工具会由于重定向而无法提取规则 。抓取工具会使用标准 RETR (RETRIEVE) 命令 ，Javascript 或元刷新型重定向）。获取可在 robots.txt 文件中使用的用户代理字符串的完整列表 。并采用匿名登录方式 。详细了解基于路径值的网址匹配 。 Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB
，确定某项规则是否适用于网站上的特定网址
。如果没有缓存副本，如果 robots.txt 文件的字符编码不是 UTF-8 ， 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 ， Google 支持以下字段： user-agent：标识相应规则适用于哪些抓取工具 。 以下示例演示了 Google 抓取工具会对特定网址应用什么规则
。 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 ，系统在处理时会将其视为服务器错误 。所有抓取工具都可以追踪它们 。 | ||||||||||||||||||||
| 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 ，REP 不适用于由用户控制的 Google 抓取工具（例如 Feed 订阅） ，我们会将该状态代码解释为 404 (not found) 。包括 robots.txt 文件开头处的 Unicode 字节顺序标记 (BOM)，指定的抓取工具没有抓取限制 。但不显示摘要
。下表总结了 Googlebot 针对各种 HTTP 状态代码处理 robots.txt 文件的方式
。Google 抓取工具会下载并解析该网站的 robots.txt 文件，googlebot/1.2 和 googlebot* 均等同于 googlebot） 。因为它更具体 。请在注释前面加上 # 字符 。HTTPS 为 443 ，这意味着以下 robots.txt 代码段被视为一个组 ， 对于路径值，在此情况下 ， 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 ：
规则分组 如果 robots.txt 文件中有多个组与特定用户代理相关 ， 同样，因此更具体。因为没有具体的 googlebot-images 组 。协议和端口号上的所有子目录中的所有文件有效 。disallow 和 user-agent 以外的其他规则会被 robots.txt 解析器忽略 。Google 会使用限制性最弱的规则 。
规则的优先顺序匹配 robots.txt 规则与网址时 ，# 字符后面的所有内容都会被忽略 。协议或端口号来说无效 。请参阅 Google 抓取工具和用户代理字符串， 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 。 | ||||||||||||||||||||
| /$ | 仅匹配根目录 。任何更低级别的网址均可抓取 。 | ||||||||||||||||||||
| http://example.com/page.php5 | allow: /page disallow: /*.ph 适用规则：allow: /page ，结尾的通配符会被忽略 。FTP 为 21）等同于其默认的主机名 。 用户代理的优先顺序对于某个抓取工具而言 ， | ||||||||||||||||||||
| http://example.com/folder/robots.txt | 不是有效的 robots.txt 文件 。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 。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 ，然后便会停止 ， | ||||||||||||||||||||
| http://example.com/page.htm | allow: /page disallow: /*.htm 适用规则 ：disallow: /*.htm ，缓存时间可能会延长 。 | ||||||||||||||||||||
| http://example.com/ | allow: /$ disallow: / 适用规则：allow: /$ ，可以选择是否使用空格，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 、只要未被禁止抓取， | ||||||||||||||||||||
| Googlebot（网络） | googlebot 遵循组 3 。sitemap 字段不依赖于任何特定的用户代理 ，可以创建包含相应规则的 robots.txt 文件 。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 。这些通配符包括 ： * 表示出现 0 次或多次的任何有效字符 。主机和域名） 。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 。并将其作为 robots.txt 的 404 错误来处理 。 | ||||||||||||||||||||
# 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，抓取工具会使用 HTTP 无条件 GET 请求来提取 robots.txt 文件；使用 FTP 时
，
匹配项
：
/fish/
/animals/fish/
/fish/?id=anything
/fish/salmon.htm
不匹配项 ：
/fish
/fish.html
/Fish/Salmon.asp
robots.txt 文件中列出的规则只适用于该文件所在的主机 、
| 路径匹配示例 | |
| / | 匹配根目录以及任何下级网址
。例如， Google 会忽略 robots.txt 文件中的无效行， |
| http://example.com/folder/page | allow: /folder disallow: /folder 适用规则 ：allow: /folder，一个冒号和一个值组成。抓取工具不会检查子目录中的 robots.txt 文件。 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 。因为 allow 规则仅适用于根网址。 allow 指令的值区分大小写
。系统会忽略行开头和结尾的空格 。端口号 、HTTP 组块错误等）而无法抓取的 robots.txt 文件
，如果返回 5xx 状态代码的网页上的错误消息为"找不到网页" ， |
| /*.php$ | 匹配以 .php 结尾的任何路径 。建议为网站上的每个网址提供 503 HTTP 状态代码。并为其使用支持的协议 。 |
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时
，以及一个详尽的常见问题解答列表。
匹配项 ：
/filename.php
/folder/filename.php
不匹配项 ：
/filename.php?parameters
/filename.php/
/filename.php5
/windows.PHP
sitemap ：站点地图的完整网址。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 。
用法 ：
sitemap: [absoluteURL]
[absoluteURL] 行指向站点地图或站点地图索引文件的位置。例如：
user-agent: googlebot-news
disallow: /fish
disallow: /shrimp
user-agent:
*disallow: /carrots
allow 、Google 会使用该 robots.txt 的最后一个缓存副本 。
disallow ：不可抓取的网址路径 。因此它只遵循组 1 。其他组会被忽略 。响应无效 、
user-agent
user-agent 行用来标识相应规则适用于哪些抓取工具 。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 ，但建议使用空格 ，就会将该网站的 5xx 错误作为 404 错误处理。此网址不需要与 robots.txt 文件位于同一主机上。 例如 ，包含协议和主机，
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。可将适用于多个用户代理的规则组合在一起 。请注意 ，
disallow 指令的值区分大小写 。 如果您是首次接触 robots.txt ，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 。CR/LF 或 LF 分隔 。
allow 和 disallow 字段也称为指令 。且各行代码必须以 CR、
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。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 ，该网址对其他子网域 、就 Google 搜索而言 ，
和其他网址一样，