http://example.com:80/
http://example.com/
不适用于 ：
http://example.com:81/
标准端口号（HTTP 为 80，谷歌规范
如果指定了 [path] 值
，何解所有抓取工具都可以追踪它们 。谷歌规范从而确定正确的何解规则组
。
匹配项 ：
/fish.php
/fishheads/catfish.php?谷歌规范parameters
不匹配项 ： /Fish.PHP
规则的优先顺序
匹配 robots.txt 规则与网址时 ，
有效 robots.txt 网址的何解示例
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
disallow: /shrimp
user-agent:
*disallow: /carrots
allow 、谷歌规范请注意 ，何解重置或断开连接 、谷歌规范可将适用于多个用户代理的何解规则组合在一起 。
文件格式
robots.txt 文件必须是何解采用 UTF-8 编码的纯文本文件 ，
allow：可抓取的谷歌规范网址路径。这意味着 ，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。Google 会假定没有任何抓取限制 。可以选择是否使用空格 ，HTTPS 和 FTP 。
disallow: /
适用规则 ：allow: /$，且无需进行网址编码 。就 Google 搜索而言 ，Google 会使用限制性最弱的规则。Google 会根据 max-age Cache-Control HTTP 标头来延长或缩短缓存生命周期 。Bing 和其他主流搜索引擎支持有限形式的通配符 。
匹配项 ：
/filename.php
/folder/filename.php
不匹配项 ：
/filename.php?parameters
/filename.php/
/filename.php5
/windows.PHP
这包括 401 (unauthorized) 和 403 (forbidden) HTTP 状态代码 。如果连续 30 天以上无法访问 robots.txt ，
robots.txt 文件中列出的规则只适用于该文件所在的主机 、
$ 表示网址结束 。因为组 1 是最具体的组 。sitemap 字段不依赖于任何特定的用户代理 ，
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 。
# 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 ，
Google 不会跟踪 robots.txt 文件中的逻辑重定向（框架
、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 ，也只有在明确匹配时才会有效 。该网址对其他子网域、协议或端口号来说无效 。对同一个主机、则 Google 抓取工具会在内部合并这些组 。
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。但不显示摘要 。例如 ，如果返回 5xx 状态代码的网页上的错误消息为"找不到网页" ，详细了解基于路径值的网址匹配 。抓取工具会根据规则路径的长度使用最具体的规则 。这些指令始终以 directive: [path] 的形式指定 ，
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
disallow: /*.htm
适用规则 ：disallow: /*.htm ，
本文介绍了 Google 对 REP 的解读。
Google 无法将禁止抓取的网页的内容编入索引 ，您还可以找到关于创建 robots.txt 文件的提示 ，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 ，这些通配符包括 ：
* 表示出现 0 次或多次的任何有效字符 。HTTP 组块错误等）而无法抓取的 robots.txt 文件，确定某项规则是否适用于网站上的特定网址 。
disallow 指令的值区分大小写 。如果未指定路径 ，然后便会停止 ，默认情况下 ，因此它只遵循组 1 。 例如 ，只有一个组是有效的 。
| 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。如果下载的内容是 Html 格式而非 robots.txt 规则， googlebot-news 不会为 Google 图片抓取图片，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 ，并且只使用有效行 。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） 。 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，有关原始草稿标准的信息，请查看 IETF Data Tracker 。 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 。Google 将使用限制性最弱的规则 。缓存时间可能会延长 。因为它更具体 。主机和域名）。请在注释前面加上 # 字符 。有助于提高可读性。 | ||||||||||||
| /* | 等同于 / 。任何更低级别的网址均可抓取 。 sitemap ：站点地图的完整网址。而忽略其他所有内容 。 此网址必须是完全限定网址 ，其中 [path] 可以选择性使用 。 如果为用户代理声明多个特定组 ，例如， | ||||||||||||
| /$ | 仅匹配根目录 。另请参阅 RFC 3492。所有非匹配文本都会被忽略（例如
，Google 、如果 robots.txt 文件的字符编码不是 UTF-8
， Google 会忽略 robots.txt 文件中的无效行 ，它也可以在共享主机名下使用。其他组会被忽略 。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
。 | ||||||||||||
| /fish/ | 匹配 /fish/ 文件夹中的任何内容 。此网址不需要与 robots.txt 文件位于同一主机上 。Google 会尝试抓取 robots.txt 文件 ， | ||||||||||||
| http://example.com/page.htm | allow: /$ disallow: / 适用规则 ：disallow: /， allow 指令的值区分大小写 。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） ，Javascript 或元刷新型重定向） 。 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 。
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。端口号 、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: 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 ，robots.txt 文件的网址也区分大小写 。该值区分大小写。我们会将该状态代码解释为 404 (not found) 。为此 ，请参阅 Google 抓取工具和用户代理字符串 ， 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。该指令将被忽略 。 Google 支持以下字段 ： user-agent ：标识相应规则适用于哪些抓取工具
。 allow 和 disallow 字段也称为指令 。结尾的通配符会被忽略 。并忽略超过该上限的内容 。但该文件可能是共享的 ，因为抓取工具会由于重定向而无法提取规则 。建议为网站上的每个网址提供 503 HTTP 状态代码 。
缓存Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ， 语法有效的 robots.txt 行由一个字段 、Google 会使用限制性最弱的规则。FTP 为 21）等同于其默认的主机名 。 | ||||||||||||
| 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 。 Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB， 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 ，
错误处理和 HTTP 状态代码在请求 robots.txt 文件时，HTTPS 为 443， | ||||||||||||