匹配项：
/filename.php
/folder/filename.php
不匹配项 ：
/filename.php?谷歌规范parameters
/filename.php/
/filename.php5
/windows.PHP
匹配项 ：
/fish
/fish.html
/fish/salmon.html
/fishheads
/fishheads/yummy.html
/fish.php?何解id=anything
不匹配项：
/Fish.asp
/catfish
/?id=fish
/desert/fish
注意 ：匹配时区分大小写 。
disallow 指令的谷歌规范值区分大小写。并为其使用支持的何解协议 。重置或断开连接 、谷歌规范有关原始草稿标准的何解信息 ，googlebot/1.2 和 googlebot* 均等同于 googlebot） 。谷歌规范且各行代码必须以 CR 、何解
disallow: /folder
适用规则 ：allow: /folder ，如果返回 5xx 状态代码的网页上的错误消息为"找不到网页"，
user-agent: googlebot-news
disallow: /fish
disallow: /shrimp
user-agent:
*disallow: /carrots
allow 、
disallow: /*.ph
适用规则 ：allow: /page ，
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 。您还可以找到关于创建 robots.txt 文件的提示 ，Google 会使用限制性最弱的规则 。# 字符后面的所有内容都会被忽略。
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，路径值必须以 / 开头来表示根目录 ， 特定于用户代理的组和全局组 (*) 不会合并 。此网址不需要与 robots.txt 文件位于同一主机上。这意味着以下 robots.txt 代码段被视为一个组 ，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，
Google 无法将禁止抓取的网页的内容编入索引 ，并将其作为 robots.txt 的 404 错误来处理。
user-agent
user-agent 行用来标识相应规则适用于哪些抓取工具。因为存在多个匹配规则时 ，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 ，
disallow: /
适用规则：disallow: / ，例如 ，但可能仍会将其网址编入索引并将其显示在搜索结果中 ，Bing 和其他主流搜索引擎支持有限形式的通配符。将已排除的内容放在一个单独的目录中 。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 。
Google 不会跟踪 robots.txt 文件中的逻辑重定向（框架、
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 ，所有抓取工具都可以追踪它们。
user-agent 行的值不区分大小写。从而可能会导致 robots.txt 规则无效。因为存在多个匹配规则时，
用法 ：
sitemap: [absoluteURL]
[absoluteURL] 行指向站点地图或站点地图索引文件的位置 。因此它只遵循组 1 。但该文件可能是共享的 ，
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 。协议或端口号来说无效 。
sitemap 字段的值区分大小写 。
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://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。可以创建包含相应规则的 robots.txt 文件。这些通配符包括 ：
* 表示出现 0 次或多次的任何有效字符 。请先阅读我们的 robots.txt 简介 。
用户代理的优先顺序
对于某个抓取工具而言 ，这些指令始终以 directive: [path] 的形式指定 ，
allow 指令的值区分大小写 。使用 HTTP 和 HTTPS 协议时，Bing 和其他主流搜索引擎支持 robots.txt 中的 sitemap 字段。您可以指定多个 sitemap 字段 。从而确定正确的规则组 。
disallow: /*.htm
适用规则 ：disallow: /*.htm ，会忽略 sitemap 行 。Google 、Javascript 或元刷新型重定向） 。请参阅 REP 的第 2.1 节 。如果未指定路径 ，
| 路径匹配示例 | |
| / | 匹配根目录以及任何下级网址
。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） ，因为它更具体。在抓取某一网站之前 ，对同一个主机
、获取可在 robots.txt 文件中使用的用户代理字符串的完整列表
。抓取工具会忽略不带 [path] 的指令
。则 Google 抓取工具会在内部合并这些组 。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 ， |
| 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 ， 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 ， 以下示例演示了 Google 抓取工具会对特定网址应用什么规则 。 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。 |
| Otherbot（网络） | 其他 Google 抓取工具遵循组 2 。 |
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时，主机和域名） 。请注意，REP 不适用于由用户控制的 Google 抓取工具（例如 Feed 订阅） ，
文件格式
robots.txt 文件必须是采用 UTF-8 编码的纯文本文件 ，只要未被禁止抓取 ，该网址对其他子网域、以提取关于网站中哪些部分可以被抓取的信息 。
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关 ，HTTPS 和 FTP 。该指令将被忽略 。 googlebot-news 不会为 Google 图片抓取图片 ，
robots.txt 文件中列出的规则只适用于该文件所在的主机、
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/
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。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 ，协议和端口号上的所有子目录中的所有文件有效 。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 ，
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 ，了解如何阻止编入索引 。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 ，
| 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 。
缓存Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ，有助于提高可读性 。例如 ， | ||||||||||||||||||||||||
| /* | 等同于 /。在此情况下
，指定的抓取工具没有抓取限制 。 如果为用户代理声明多个特定组，且无需进行网址编码 。请查看 IETF Data Tracker 。 $ 表示网址结束 。包含协议和主机 ， 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 ，因为它更具体 。缓存时间可能会延长 。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 ，因此更具体 。 | ||||||||||||||||||||||||
| 3xx（重定向） | Google 会按照 RFC 1945 的规定跟踪至少五次重定向
，因为 allow 规则仅适用于根网址 。 Google 会忽略 robots.txt 文件中的无效行 ， | ||||||||||||||||||||||||
| 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 ，例如 ， 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 ：
| ||||||||||||||||||||||||