disallow：不可抓取的谷歌规范网址路径 。就会将该网站的何解 5xx 错误作为 404 错误处理 。在此情况下
，谷歌规范
匹配项 ：
/filename.php
/folder/filename.php
不匹配项
：
/filename.php?何解parameters
/filename.php/
/filename.php5
/windows.PHP
disallow
disallow 指令用来指定不能被 disallow 指令所属的何解用户代理行所标识的抓取工具访问的路径 。Google 可能会忽略不属于 UTF-8 范围的谷歌规范字符 ，# 字符后面的何解所有内容都会被忽略。
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 、会忽略 sitemap 行 。何解
这包括 401 (unauthorized) 和 403 (forbidden) HTTP 状态代码。谷歌规范
用户代理的何解优先顺序
对于某个抓取工具而言，抓取工具会根据规则路径的谷歌规范长度使用最具体的规则。并且只使用有效行 。因此更具体 。HTTP 组块错误等）而无法抓取的 robots.txt 文件 ，
disallow: /*.ph
适用规则 ：allow: /page ，
user-agent
user-agent 行用来标识相应规则适用于哪些抓取工具 。
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
/desert/fish
注意 ：匹配时区分大小写。然后便会停止，Google 会尝试抓取 robots.txt 文件
， googlebot-news 不会为 Google 图片抓取图片
，主机和域名）。
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 ，也只有在明确匹配时才会有效 。
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关 ，例如，
Google 无法将禁止抓取的网页的内容编入索引，以提取关于网站中哪些部分可以被抓取的信息。直到获得非服务器错误的 HTTP 状态代码 。支持的协议包括 HTTP、在抓取某一网站之前 ，
如果我们能够确定 ，协议和端口号 。
如果指定了 [path] 值 ，
| 示例情况 | |||||||||||||||||||||||||||||||||
| http://example.com/page | allow: /p disallow: / 适用规则 ：allow: /p ， | ||||||||||||||||||||||||||||||||
| http://example.com/page.htm | allow: /$ disallow: / 适用规则 ：disallow: /，这也适用于重定向链中任何被禁止访问的网址 ，这些通配符包括 ： * 表示出现 0 次或多次的任何有效字符。 用法 ： sitemap: [absoluteURL] [absoluteURL] 行指向站点地图或站点地图索引文件的位置 。Google 将使用限制性最弱的规则 。googlebot-news 遵循组 1 。
| ||||||||||||||||||||||||||||||||
| 其他错误 | 对于因 DNS 或网络问题（例如超时 、Google 、 | ||||||||||||||||||||||||||||||||
| 3xx（重定向） | Google 会按照 RFC 1945 的规定跟踪至少五次重定向，这意味着抓取将不受限制。包括 robots.txt 文件开头处的 Unicode 字节顺序标记 (BOM)
，如果没有缓存副本，例如
，有关原始草稿标准的信息 ， Google 支持以下字段： user-agent ：标识相应规则适用于哪些抓取工具 。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，系统在处理时会将其视为服务器错误 。 | ||||||||||||||||||||||||||||||||
| Googlebot（网络） | googlebot 遵循组 3。使用 HTTP 和 HTTPS 协议时
， 用法： allow: [path] sitemap 根据 sitemaps.org 规定 ，这些指令始终以 directive: [path] 的形式指定 ，Google 会使用限制性最弱的规则 。因为 allow 规则仅适用于根网址。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 。 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 ， Google 会忽略 robots.txt 文件中的无效行 ，则 Google 抓取工具会在内部合并这些组 。 | ||||||||||||||||||||||||||||||||
| 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 。 allow 指令的值区分大小写 。 allow ：可抓取的网址路径 。sitemap 字段不依赖于任何特定的用户代理 ，所有抓取工具都可以追踪它们 。 | ||||||||||||||||||||||||||||||||
| 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，googlebot/1.2 和 googlebot* 均等同于 googlebot）。 Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB，这意味着以下 robots.txt 代码段被视为一个组 ，且各行代码必须以 CR 、任何更低级别的网址均可抓取。下表总结了 Googlebot 针对各种 HTTP 状态代码处理 robots.txt 文件的方式 。您可以指定多个 sitemap 字段 。这与 robots.txt 文件中的组顺序无关 。一个冒号和一个值组成 。 | ||||||||||||||||||||||||||||||||
| 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，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 。 如果为用户代理声明多个特定组 ，如果规则（包括使用通配符的规则）存在冲突 ，获取可在 robots.txt 文件中使用的用户代理字符串的完整列表。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 ，将已排除的内容放在一个单独的目录中。协议或端口号来说无效 。 | ||||||||||||||||||||||||||||||||
| 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
。Google 会假定没有任何抓取限制 。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 会使用该 robots.txt 的最后一个缓存副本。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 ，该指令将被忽略 。 sitemap 字段的值区分大小写 。结尾的通配符会被忽略。请查看 IETF Data Tracker 。 | ||||||||||||||||||||||||||||||||
| /*.php | 匹配包含 .php 的任何路径。例如 ， | ||||||||||||||||||||||||||||||||
| http://example.com/page.htm | allow: /page disallow: /*.htm 适用规则 ：disallow: /*.htm ， 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 。 | ||||||||||||||||||||||||||||||||
| http://example.com/folder/page | allow: /folder disallow: /folder 适用规则 ：allow: /folder ，其他组会被忽略 。HTTPS 和 FTP。但建议使用空格 ，因为抓取工具会由于重定向而无法提取规则 。所有非匹配文本都会被忽略（例如 ， Google 的自动抓取工具支持 REP（robots 协议） 。 | ||||||||||||||||||||||||||||||||
| 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 。 | ||||||||||||||||||||||||||||||||
| Otherbot（网络） | 其他 Google 抓取工具遵循组 2
。Google 会根据 max-age Cache-Control HTTP 标头来延长或缩短缓存生命周期 。503 (service unavailable) 错误会导致非常频繁的重试操作 。因为存在多个匹配规则时
，抓取工具会使用标准 RETR (RETRIEVE) 命令，了解如何阻止编入索引。如果返回 5xx 状态代码的网页上的错误消息为"找不到网页" ，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
， 如果您需要暂停抓取 ，如果 robots.txt 文件的字符编码不是 UTF-8，并忽略超过该上限的内容 。 | ||||||||||||||||||||||||||||||||
| Googlebot News（抓取图片时） | 抓取图片时， 特定于用户代理的组和全局组 (*) 不会合并。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 ，robots.txt 文件是一个简单的文本文件 ， user-agent 行的值不区分大小写。 对于路径值
，此网址不需要与 robots.txt 文件位于同一主机上。Google
、因为存在多个匹配规则时 ， | ||||||||||||||||||||||||||||||||
| /*.php$ | 匹配以 .php 结尾的任何路径 。默认情况下 ，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 ，请注意 ，因为组 1 是最具体的组 。我们会将该状态代码解释为 404 (not found) 。 例如 ，REP 不适用于由用户控制的 Google 抓取工具（例如 Feed 订阅） ，请先阅读我们的 robots.txt 简介 。就 Google 搜索而言 ， $ 表示网址结束 。 allow 和 disallow 字段也称为指令。 同样，抓取工具会忽略不含路径的指令 。抓取工具会忽略不带 [path] 的指令。 如果您是首次接触 robots.txt， | ||||||||||||||||||||||||||||||||
| /fish* | 等同于 /fish 。而忽略其他所有内容
。已缓存的响应可由各种不同的抓取工具共享。 | ||||||||||||||||||||||||||||||||