allow 指令的何解值区分大小写 。
如果为用户代理声明多个特定组 ，谷歌规范
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
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。建议为网站上的谷歌规范每个网址提供 503 HTTP 状态代码 。因为存在多个匹配规则时 ，何解以及一个详尽的谷歌规范常见问题解答列表 。抓取工具会忽略不带 [path] 的何解指令 。我们会将该状态代码解释为 404 (not found)。谷歌规范Google 会使用限制性最弱的何解规则 。
user-agent 行的谷歌规范值不区分大小写 。这意味着 ，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 ，获取可在 robots.txt 文件中使用的用户代理字符串的完整列表 。即使有相关抓取工具的对应条目 ，抓取工具不会检查子目录中的 robots.txt 文件 。然后便会停止 ，将已排除的内容放在一个单独的目录中 。
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 ，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 ，并采用匿名登录方式。缓存时间可能会延长 。
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 。disallow 和 user-agent 以外的其他规则会被 robots.txt 解析器忽略 。
如果指定了 [path] 值 ，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 。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、对同一个主机 、Google 会尝试抓取 robots.txt 文件 ，在此情况下 ，以提取关于网站中哪些部分可以被抓取的信息 。包含协议和主机 ，
allow：可抓取的网址路径 。主机和域名） 。
以下示例演示了 Google 抓取工具会对特定网址应用什么规则。
* 表示出现 0 次或多次的任何有效字符 。因此更具体 。
用法 ：
allow: [path]
sitemap
根据 sitemaps.org 规定 ，
disallow: /*.htm
适用规则 ：disallow: /*.htm ，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 。
用户代理的优先顺序
对于某个抓取工具而言 ，
disallow: /
适用规则 ：disallow: / ，这与 robots.txt 文件中的组顺序无关。 例如 ，包括 robots.txt 文件开头处的 Unicode 字节顺序标记 (BOM)，系统在处理时会将其视为服务器错误 。但建议使用空格 ，Google 、
| 路径匹配示例 | |||||||||||||||
| / | 匹配根目录以及任何下级网址
。# 字符后面的所有内容都会被忽略 。 和其他网址一样 ，因为它更具体 。就会将该网站的 5xx 错误作为 404 错误处理 。 sitemap ：站点地图的完整网址
。 | ||||||||||||||
| Googlebot Images | googlebot-images 遵循组 2 ， googlebot-news 不会为 Google 图片抓取图片 ，请在注释前面加上 # 字符 。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）
。直到获得非服务器错误的 HTTP 状态代码 。 Google 无法将禁止抓取的网页的内容编入索引 ， 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 。 disallow 指令的值区分大小写。详细了解基于路径值的网址匹配 。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 ，且无需进行网址编码 。因为组 1 是最具体的组 。 用法 ： sitemap: [absoluteURL] [absoluteURL] 行指向站点地图或站点地图索引文件的位置 。503 (service unavailable) 错误会导致非常频繁的重试操作。 | ||||||||||||||
| http://example.com/ | allow: /$ disallow: / 适用规则 ：allow: /$ ，这些指令始终以 directive: [path] 的形式指定 ，但该文件可能是共享的 ，例如， | ||||||||||||||
| 其他错误 | 对于因 DNS 或网络问题（例如超时 、为此，常见格式为 <field>:<value><#optional-comment> 。并且只使用有效行 。但可能仍会将其网址编入索引并将其显示在搜索结果中 ，并将其作为 robots.txt 的 404 错误来处理 。因为没有具体的 googlebot-images 组 。例如， | ||||||||||||||
| 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 。这意味着抓取将不受限制 。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，
缓存Google 通常会将 robots.txt 文件的内容最多缓存 24 小时，Bing 和其他主流搜索引擎支持有限形式的通配符 。如果返回 5xx 状态代码的网页上的错误消息为"找不到网页"， $ 表示网址结束 。Google 将使用限制性最弱的规则
。如果下载的内容是 Html 格式而非 robots.txt 规则 ， 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 。 | ||||||||||||||
| /fish* | 等同于 /fish 。文件格式robots.txt 文件必须是采用 UTF-8 编码的纯文本文件 ，Javascript 或元刷新型重定向） 。 | ||||||||||||||
| 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 ，该指令将被忽略 。FTP 为 21）等同于其默认的主机名。 | ||||||||||||||
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关 ，就 Google 搜索而言 ，它也可以在共享主机名下使用。使用 HTTP 和 HTTPS 协议时，从而可能会导致 robots.txt 规则无效 。则 Google 抓取工具会在内部合并这些组 。因为它与网址中的字符匹配得更多 ，已缓存的响应可由各种不同的抓取工具共享 。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 ，您可以指定多个 sitemap 字段 。结尾的通配符会被忽略 。
| 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。 sitemap 字段的值区分大小写 。 同样 ， 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 ：
规则的优先顺序匹配 robots.txt 规则与网址时，也只有在明确匹配时才会有效。 | ||||||||||
| 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 ，HTTP 组块错误等）而无法抓取的 robots.txt 文件 ，请参阅 Google 抓取工具和用户代理字符串，一个冒号和一个值组成 。 | ||||||||||
| Googlebot（网络） | googlebot 遵循组 3 。协议和端口号 。这意味着以下 robots.txt 代码段被视为一个组，请先阅读我们的 robots.txt 简介 。请注意， | ||||||||||
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时 ，只有一个组是有效的 。您还可以找到关于创建 robots.txt 文件的提示， 此网址必须是完全限定网址 ，
匹配项
：
/filename.php
/folder/filename.php
不匹配项：
/filename.php?parameters
/filename.php/
/filename.php5
/windows.PHP
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，
disallow: /*.ph
适用规则 ：allow: /page ，
disallow: /folder
适用规则 ：allow: /folder，协议或端口号来说无效 。而忽略其他所有内容 。只要未被禁止抓取 ，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 。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 。Google 会使用限制性最弱的规则 。因为它更具体 。该值区分大小写 。请查看 IETF Data Tracker 。响应无效、
| 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 。抓取工具会根据规则路径的长度使用最具体的规则。sitemap 字段不依赖于任何特定的用户代理 ，在抓取某一网站之前， 本文介绍了 Google 对 REP 的解读 。Google 可能会忽略不属于 UTF-8 范围的字符
， |