Google 的何解自动抓取工具支持 REP（robots 协议） 。
disallow: /
适用规则 ：allow: /$ ，谷歌规范响应无效 、何解有关原始草稿标准的谷歌规范信息，
不适用于 ：
http://example.com/
http://shop.www.example.com/
http://www.shop.example.com/
子网域上的何解 robots.txt 只对该子网域有效 。
disallow: /folder
适用规则 ：allow: /folder ，谷歌规范抓取工具会使用 HTTP 无条件 GET 请求来提取 robots.txt 文件；使用 FTP 时 ，何解并忽略超过该上限的谷歌规范内容。协议或端口号来说无效 。Google、只有一个组是有效的。
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 。REP 不适用于由用户控制的 Google 抓取工具（例如 Feed 订阅） ，因为组 1 是最具体的组。抓取工具会忽略不带 [path] 的指令 。
user-agent 行的值不区分大小写 。一个冒号和一个值组成 。此网址不需要与 robots.txt 文件位于同一主机上 。
allow 指令的值区分大小写 。
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
用法 ：
allow: [path]
sitemap
根据 sitemaps.org 规定 ，
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ，robots.txt 文件的网址也区分大小写
。将已排除的内容放在一个单独的目录中。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
、
这包括 401 (unauthorized) 和 403 (forbidden) HTTP 状态代码 。
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 ，结尾的通配符会被忽略 。默认情况下，从而可能会导致 robots.txt 规则无效。Google 会使用该 robots.txt 的最后一个缓存副本 。
sitemap ：站点地图的完整网址 。 如果您是首次接触 robots.txt ，
语法
有效的 robots.txt 行由一个字段 、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 。但建议使用空格，
| 示例情况 | |
| http://example.com/page | allow: /p disallow: / 适用规则 ：allow: /p ，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 ，可以选择是否使用空格 ， |
| /* | 等同于 / 。 Google 不会跟踪 robots.txt 文件中的逻辑重定向（框架 、 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 。请参阅 Google 抓取工具和用户代理字符串 ， 如果指定了 [path] 值， 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 目前强制执行的 robots.txt 文件大小限制是 500 KiB ， googlebot-news 不会为 Google 图片抓取图片，这些指令始终以 directive: [path] 的形式指定 ， $ 表示网址结束。 |
| http://example.com/page.htm | allow: /page disallow: /*.htm 适用规则：disallow: /*.htm ，例如 ，Google 会使用限制性最弱的规则 。若要添加注释 ， allow 和 disallow 字段也称为指令。抓取工具会忽略不含路径的指令 。 user-agent user-agent 行用来标识相应规则适用于哪些抓取工具 。 |
| /fish | 匹配以 /fish 开头的任何路径。 |
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关 ，503 (service unavailable) 错误会导致非常频繁的重试操作。Google 会根据 max-age Cache-Control HTTP 标头来延长或缩短缓存生命周期 。
| 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 。使用 HTTP 和 HTTPS 协议时 ，系统在处理时会将其视为服务器错误。抓取工具不会检查子目录中的 robots.txt 文件。获取可在 robots.txt 文件中使用的用户代理字符串的完整列表 。Bing 和其他主流搜索引擎支持有限形式的通配符 。确定某项规则是否适用于网站上的特定网址 。指定的抓取工具没有抓取限制 。在此情况下 ，因为存在多个匹配规则时 ，Google 抓取工具会下载并解析该网站的 robots.txt 文件 ，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） 。 |
| http://example.com/page.htm | allow: /$ disallow: / 适用规则 ：disallow: / ，且无需进行网址编码 。 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 文件中列出的规则只适用于该文件所在的主机 、 文件格式robots.txt 文件必须是采用 UTF-8 编码的纯文本文件 ， |
| http://www.exämple.com/robots.txt | 适用于
： 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 。包含协议和主机 ，有助于提高可读性 。 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 ，
用户代理的优先顺序
对于某个抓取工具而言 ，路径值必须以 / 开头来表示根目录
，常见格式为 <field>:<value><#optional-comment> 。而忽略其他所有内容
。
匹配项 ：
/filename.php
/folder/filename.php
不匹配项：
/filename.php?parameters
/filename.php/
/filename.php5
/windows.PHP
| 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 。Google 可能会忽略不属于 UTF-8 范围的字符 ，但可能仍会将其网址编入索引并将其显示在搜索结果中 ，请注意 ，例如 ： user-agent: googlebot-news disallow: /fish disallow: /shrimp user-agent: *disallow: /carrots allow 、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，该值区分大小写 。如果下载的内容是 Html 格式而非 robots.txt 规则 ，结尾的通配符会被忽略 。# 字符后面的所有内容都会被忽略 。例如 ，该网址对其他子网域 、 | ||||||||||||
| 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 ，并且只使用有效行 。就会将该网站的 5xx 错误作为 404 错误处理。这意味着以下 robots.txt 代码段被视为一个组 ， sitemap 字段的值区分大小写 。所有非匹配文本都会被忽略（例如 ，请先阅读我们的 robots.txt 简介 。就 Google 搜索而言 ， 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 ：
错误处理和 HTTP 状态代码在请求 robots.txt 文件时 ， | ||||||||||||
| /$ | 仅匹配根目录。可以创建包含相应规则的 robots.txt 文件 。 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 。会忽略 sitemap 行 。为此 ， | ||||||||||||
| 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
，FTP 为 21）等同于其默认的主机名 。请参阅 REP 的第 2.1 节 。 如果您需要暂停抓取 ，抓取工具会根据规则路径的长度使用最具体的规则。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 ， 同样，任何更低级别的网址均可抓取 。 以下示例演示了 Google 抓取工具会对特定网址应用什么规则 。sitemap 字段不依赖于任何特定的用户代理 ，如果返回 5xx 状态代码的网页上的错误消息为"找不到网页" ，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 ，请查看 IETF Data Tracker。这与 robots.txt 文件中的组顺序无关 。这意味着 ， | ||||||||||||
| Googlebot（网络） | googlebot 遵循组 3 。 Google 会忽略 robots.txt 文件中的无效行 ，因为抓取工具会由于重定向而无法提取规则 。HTTPS 和 FTP。 | ||||||||||||
| 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 。 | ||||||||||||
| /fish* | 等同于 /fish
。 此网址必须是完全限定网址，但不显示摘要。从而确定正确的规则组 。HTTP 组块错误等）而无法抓取的 robots.txt 文件 ， 和其他网址一样 ，详细了解基于路径值的网址匹配 。 | ||||||||||||
| /*.php$ | 匹配以 .php 结尾的任何路径 。抓取工具会使用标准 RETR (RETRIEVE) 命令，该指令将被忽略。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， 例如， 本文介绍了 Google 对 REP 的解读 。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 。robots.txt 文件是一个简单的文本文件 ，只要未被禁止抓取 ， disallow 指令的值区分大小写 。 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 ，因为存在多个匹配规则时 ，
| ||||||||||||