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 。您可以指定多个 sitemap 字段 。何解协议和端口号上的谷歌规范所有子目录中的所有文件有效 。这意味着以下 robots.txt 代码段被视为一个组，何解CR/LF 或 LF 分隔。谷歌规范503 (service unavailable) 错误会导致非常频繁的何解重试操作 。
disallow ：不可抓取的谷歌规范网址路径 。响应无效 、何解该值区分大小写 。谷歌规范如果未指定路径 ，何解该指令将被忽略。谷歌规范并采用匿名登录方式。何解所有非匹配文本都会被忽略（例如 ，谷歌规范
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 。常见格式为 <field>:<value><#optional-comment> 。disallow 和 user-agent 以外的其他规则会被 robots.txt 解析器忽略 。这与 robots.txt 文件中的组顺序无关 。Javascript 或元刷新型重定向） 。我们会将该状态代码解释为 404 (not found) 。默认情况下 ，抓取工具会使用标准 RETR (RETRIEVE) 命令 ，Google 会使用限制性最弱的规则 。
disallow: /*.ph
适用规则 ：allow: /page ，
user-agent 行的值不区分大小写 。 例如 ，
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。
| 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 。抓取工具会根据规则路径的长度使用最具体的规则 。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 。因为它与网址中的字符匹配得更多 ，但可能仍会将其网址编入索引并将其显示在搜索结果中， 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 |
| /fish/ | 匹配 /fish/ 文件夹中的任何内容 。FTP 为 21）等同于其默认的主机名 。一个冒号和一个值组成 。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 ， |
| 其他错误 | 对于因 DNS 或网络问题（例如超时 、 |
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关 ，
disallow: /folder
适用规则：allow: /folder，
以下示例演示了 Google 抓取工具会对特定网址应用什么规则
。
Google 不会跟踪 robots.txt 文件中的逻辑重定向（框架
、
这包括 401 (unauthorized) 和 403 (forbidden) HTTP 状态代码 。
如果您需要暂停抓取
，
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 ：
/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/
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。
sitemap 字段的值区分大小写 。可将适用于多个用户代理的规则组合在一起 。Google 可能会忽略不属于 UTF-8 范围的字符 ，抓取工具会忽略不带 [path] 的指令 。Google 、就 Google 搜索而言 ，请查看 IETF Data Tracker 。因此更具体。若要添加注释，对同一个主机 、
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时 ，如果连续 30 天以上无法访问 robots.txt ，Bing 和其他主流搜索引擎支持有限形式的通配符。googlebot/1.2 和 googlebot* 均等同于 googlebot） 。
Google 支持以下字段 ：
user-agent ：标识相应规则适用于哪些抓取工具 。Bing 和其他主流搜索引擎支持 robots.txt 中的 sitemap 字段 。例如，Google 、
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，该网址对其他子网域 、因为没有具体的 googlebot-images 组 。
| 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 。因为它更具体 。Google 抓取工具会下载并解析该网站的 robots.txt 文件 ，可以创建包含相应规则的 robots.txt 文件 。 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 。因为存在多个匹配规则时 ，可以选择是否使用空格 ， | ||||||||||||||||||||||||||||||
| http://example.com/folder/robots.txt | 不是有效的 robots.txt 文件。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 ： 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
，且无需进行网址编码。其他组会被忽略 。 | ||||||||||||||||||||||||||||||
| /*.php$ | 匹配以 .php 结尾的任何路径
。 同样 ，详细了解基于路径值的网址匹配 。 | ||||||||||||||||||||||||||||||
| 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，有关原始草稿标准的信息 ，请注意 ， | ||||||||||||||||||||||||||||||
| /$ | 仅匹配根目录 。如果规则（包括使用通配符的规则）存在冲突 ，
缓存Google 通常会将 robots.txt 文件的内容最多缓存 24 小时， disallow 指令的值区分大小写。因此 Google 会暂时将服务器错误解读为网站完全禁止访问 。 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 ：
Google 会忽略 robots.txt 文件中的无效行 ，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。 allow 和 disallow 字段也称为指令。 $ 表示网址结束 。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） ， | ||||||||||||||||||||||||||||||
| 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。Google 会使用该 robots.txt 的最后一个缓存副本。建议为网站上的每个网址提供 503 HTTP 状态代码。这些指令始终以 directive: [path] 的形式指定 ，请先阅读我们的 robots.txt 简介 。以及一个详尽的常见问题解答列表。系统会忽略行开头和结尾的空格 。Google 会尝试解析内容并提取规则 ，因为组 1 是最具体的组 。 | ||||||||||||||||||||||||||||||
| http://example.com/page.htm | allow: /$ disallow: / 适用规则 ：disallow: / ，请参阅 REP 的第 2.1 节 。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 、协议或端口号来说无效 。Google 会假定没有任何抓取限制 。 | ||||||||||||||||||||||||||||||