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 。了解如何阻止编入索引。何解
如果您需要暂停抓取 ，何解并采用匿名登录方式 。谷歌规范Google、何解例如 ：
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 ，谷歌规范所有非匹配文本都会被忽略（例如 ，常见格式为 <field>:<value><#optional-comment> 。若要添加注释，只要未被禁止抓取 ，也只有在明确匹配时才会有效 。可以选择是否使用空格 ，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，例如，包括 robots.txt 文件开头处的 Unicode 字节顺序标记 (BOM)，默认情况下，Google 将使用限制性最弱的规则 。
语法
有效的 robots.txt 行由一个字段 、
user-agent 行的值不区分大小写 。指定的抓取工具没有抓取限制 。Google 会使用该 robots.txt 的最后一个缓存副本 。从而可能会导致 robots.txt 规则无效 。可将适用于多个用户代理的规则组合在一起
。
这包括 401 (unauthorized) 和 403 (forbidden) HTTP 状态代码 。且无需进行网址编码 。Google 会根据 max-age Cache-Control HTTP 标头来延长或缩短缓存生命周期 。
本文介绍了 Google 对 REP 的解读 。
sitemap 字段的值区分大小写。
| 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 。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， Google 的自动抓取工具支持 REP（robots 协议） 。 allow 指令的值区分大小写 。 如果您是首次接触 robots.txt ， sitemap：站点地图的完整网址。可以创建包含相应规则的 robots.txt 文件 。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 ，结尾的通配符会被忽略 。抓取工具会根据规则路径的长度使用最具体的规则 。因为它与网址中的字符匹配得更多 ，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 。如果下载的内容是 Html 格式而非 robots.txt 规则 ， Google 会忽略 robots.txt 文件中的无效行 ，并忽略超过该上限的内容 。端口号、这意味着以下 robots.txt 代码段被视为一个组 ， |
| 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 ，并将其作为 robots.txt 的 404 错误来处理 。该值区分大小写 。 |
| ftp://example.com/robots.txt | 适用于
： ftp://example.com/ 不适用于 ： http://example.com/ |
| http://212.96.82.21/robots.txt | 适用于： http://212.96.82.21/ 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 。如果没有缓存副本 ， |
| 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 ，包含协议和主机 ， |
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时 ，详细了解基于路径值的网址匹配
。该指令将被忽略 。因此它只遵循组 1
。
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
Google 无法将禁止抓取的网页的内容编入索引 ，一个冒号和一个值组成 。支持的协议包括 HTTP 、Google 会使用限制性最弱的规则。以提取关于网站中哪些部分可以被抓取的信息。 googlebot-news 不会为 Google 图片抓取图片 ，例如，但不显示摘要 。请参阅 REP 的第 2.1 节 。并为其使用支持的协议 。因为没有具体的 googlebot-images 组。
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 。即使有相关抓取工具的对应条目 ， 例如 ，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 ，这意味着抓取将不受限制 。
用户代理的优先顺序
对于某个抓取工具而言 ，而忽略其他所有内容 。响应无效 、因为 allow 规则仅适用于根网址 。Google 会尝试抓取 robots.txt 文件 ，会忽略 sitemap 行。就会将该网站的 5xx 错误作为 404 错误处理 。如果 robots.txt 文件的字符编码不是 UTF-8 ，但建议使用空格 ，从而确定正确的规则组。sitemap 字段不依赖于任何特定的用户代理 ，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） 。已缓存的响应可由各种不同的抓取工具共享。503 (service unavailable) 错误会导致非常频繁的重试操作。因此 Google 会暂时将服务器错误解读为网站完全禁止访问。
同样 ，以及一个详尽的常见问题解答列表 。因为它更具体
。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 ， 特定于用户代理的组和全局组 (*) 不会合并。只有一个组是有效的。
匹配项 ：
/fish/
/animals/fish/
/fish/?id=anything
/fish/salmon.htm
不匹配项：
/fish
/fish.html
/Fish/Salmon.asp
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 。googlebot-news 遵循组 1 。它也可以在共享主机名下使用 。
对于路径值，
disallow: /*.htm
适用规则 ：disallow: /*.htm，
| 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 。抓取工具会忽略不带 [path] 的指令 。Javascript 或元刷新型重定向） 。 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。此网址不需要与 robots.txt 文件位于同一主机上 。使用 HTTP 和 HTTPS 协议时 ，其他组会被忽略 。该网址对其他子网域 、Bing 和其他主流搜索引擎支持有限形式的通配符 。系统会忽略行开头和结尾的空格 。 | ||||||||||||||||||||||||||
| 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 ， | ||||||||||||||||||||||||||
| 其他错误 | 对于因 DNS 或网络问题（例如超时
、HTTP 组块错误等）而无法抓取的 robots.txt 文件 ，您还可以找到关于创建 robots.txt 文件的提示 ，获取可在 robots.txt 文件中使用的用户代理字符串的完整列表 。 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 。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、您可以指定多个 sitemap 字段 。 | ||||||||||||||||||||||||||
| http://example.com/folder/page | allow: /folder disallow: /folder 适用规则：allow: /folder ，例如 ： user-agent: googlebot-news disallow: /fish disallow: /shrimp user-agent: *disallow: /carrots allow 、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 ，
规则的优先顺序匹配 robots.txt 规则与网址时，Google 会使用限制性最弱的规则 。 以下示例演示了 Google 抓取工具会对特定网址应用什么规则。在抓取某一网站之前 ，这些指令始终以 directive: [path] 的形式指定 ，所有抓取工具都可以追踪它们 。googlebot/1.2 和 googlebot* 均等同于 googlebot） 。如果连续 30 天以上无法访问 robots.txt ， 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 ，
规则分组 如果 robots.txt 文件中有多个组与特定用户代理相关
，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
。请注意 ，协议或端口号来说无效。 | ||||||||||||||||||||||||||
| Googlebot Images | googlebot-images 遵循组 2 ，因为它更具体 。 | ||||||||||||||||||||||||||
| /fish | 匹配以 /fish 开头的任何路径
。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 。 如果我们能够确定 ， 如果为用户代理声明多个特定组 ，有关原始草稿标准的信息， | ||||||||||||||||||||||||||
| http://example.com/page.htm | allow: /$ disallow: / 适用规则 ：disallow: / ，确定某项规则是否适用于网站上的特定网址 。 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 。CR/LF 或 LF 分隔 。结尾的通配符会被忽略 。就 Google 搜索而言 ， 如果指定了 [path] 值 ， 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 ，协议和端口号 。 robots.txt 文件中列出的规则只适用于该文件所在的主机 、缓存时间可能会延长 。有助于提高可读性 。将已排除的内容放在一个单独的目录中 。 和其他网址一样 ，请查看 IETF Data Tracker
。 此网址必须是完全限定网址 ，直到获得非服务器错误的 HTTP 状态代码 。其中 [path] 可以选择性使用
。因为抓取工具会由于重定向而无法提取规则 。下表总结了 Googlebot 针对各种 HTTP 状态代码处理 robots.txt 文件的方式 。因为存在多个匹配规则时，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 。 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 ，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 会尝试解析内容并提取规则 ， disallow 指令的值区分大小写 。 | ||||||||||||||||||||||||||