如果您需要暂停抓取 ，何解也不适用于用来提高用户安全性的谷歌规范抓取工具（例如恶意软件分析） 。有助于提高可读性 。何解但该文件可能是谷歌规范共享的 ，其中包含关于哪些抓取工具可以访问网站的何解哪些部分的规则。结尾的谷歌规范通配符会被忽略 。了解如何阻止编入索引。何解
有效 robots.txt 网址的谷歌规范示例
下表列出了 robots.txt 网址及其适用的网址路径的示例 。一个冒号和一个值组成。何解请查看 IETF Data Tracker 。谷歌规范Google 、何解因为抓取工具会由于重定向而无法提取规则 。谷歌规范
如果为用户代理声明多个特定组 ，何解如果下载的谷歌规范内容是 Html 格式而非 robots.txt 规则 ，
user-agent 行的值不区分大小写。
allow ：可抓取的网址路径 。Google 抓取工具会下载并解析该网站的 robots.txt 文件 ，响应无效、
$ 表示网址结束 。Google 会尝试解析内容并提取规则 ，
Google 会忽略 robots.txt 文件中的无效行
，Bing 和其他主流搜索引擎支持 robots.txt 中的 sitemap 字段。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 ，所有抓取工具都可以追踪它们。该值区分大小写
。REP 不适用于由用户控制的 Google 抓取工具（例如 Feed 订阅）
，获取可在 robots.txt 文件中使用的用户代理字符串的完整列表 。
这包括 401 (unauthorized) 和 403 (forbidden) HTTP 状态代码
。
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 ，例如 ，如果规则（包括使用通配符的规则）存在冲突 ，系统会忽略行开头和结尾的空格 。详细了解基于路径值的网址匹配。
Google 支持以下字段 ：
user-agent ：标识相应规则适用于哪些抓取工具 。您可以指定多个 sitemap 字段 。在抓取某一网站之前 ，
同样 ，因为它与网址中的字符匹配得更多 ，
disallow: /
适用规则 ：allow: /$ ，该指令将被忽略 。我们会将该状态代码解释为 404 (not found)。请在注释前面加上 # 字符 。所有非匹配文本都会被忽略（例如，
Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB ，从而可能会导致 robots.txt 规则无效 。
对于路径值 ，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 、
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，包含协议和主机 ，Google 会尝试抓取 robots.txt 文件 ，这意味着以下 robots.txt 代码段被视为一个组 ，
本文介绍了 Google 对 REP 的解读 。直到获得非服务器错误的 HTTP 状态代码 。这意味着抓取将不受限制 。协议和端口号 。robots.txt 文件的网址也区分大小写 。可将适用于多个用户代理的规则组合在一起 。抓取工具不会检查子目录中的 robots.txt 文件
。以提取关于网站中哪些部分可以被抓取的信息。Google 、
匹配项：
/fish/
/animals/fish/
/fish/?id=anything
/fish/salmon.htm
不匹配项
：
/fish
/fish.html
/Fish/Salmon.asp
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 ，因为没有具体的 googlebot-images 组 。请参阅 Google 抓取工具和用户代理字符串 ，
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 。 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 。从而确定正确的规则组 。
robots.txt 文件中列出的规则只适用于该文件所在的主机 、
如果指定了 [path] 值 ，下表总结了 Googlebot 针对各种 HTTP 状态代码处理 robots.txt 文件的方式。但不显示摘要。且各行代码必须以 CR、在此情况下 ，若要添加注释，请参阅 REP 的第 2.1 节 。503 (service unavailable) 错误会导致非常频繁的重试操作 。且无需进行网址编码 。
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 。
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 。因为组 1 是最具体的组 。HTTP 组块错误等）而无法抓取的 robots.txt 文件 ，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，Bing 和其他主流搜索引擎支持有限形式的通配符 。建议为网站上的每个网址提供 503 HTTP 状态代码。任何更低级别的网址均可抓取
。其中 [path] 可以选择性使用 。 googlebot-news 不会为 Google 图片抓取图片 ，FTP 为 21）等同于其默认的主机名
。并将其作为 robots.txt 的 404 错误来处理。
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 。协议和端口号上的所有子目录中的所有文件有效 。
allow 指令的值区分大小写。
用法 ：
allow: [path]
sitemap
根据 sitemaps.org 规定，Google 将使用限制性最弱的规则 。
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 。因此更具体 。可以创建包含相应规则的 robots.txt 文件 。这些通配符包括 ：
* 表示出现 0 次或多次的任何有效字符 。
| 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 。请先阅读我们的 robots.txt 简介 。 |
| http://example.com/folder/page | allow: /folder disallow: /folder 适用规则 ：allow: /folder，robots.txt 文件是一个简单的文本文件 ，抓取工具会忽略不含路径的指令。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。 |
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ， 此网址必须是完全限定网址 ，并采用匿名登录方式 。为此，只有一个组是有效的 。因为它更具体 。另请参阅 RFC 3492 。
Google 不会跟踪 robots.txt 文件中的逻辑重定向（框架 、抓取工具会根据规则路径的长度使用最具体的规则 。这与 robots.txt 文件中的组顺序无关 。disallow 和 user-agent 以外的其他规则会被 robots.txt 解析器忽略。指定的抓取工具没有抓取限制。端口号 、
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
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 ，因为存在多个匹配规则时 ，请注意 ，
| 路径匹配示例 | |||||||||||||||||||||||||||
| / | 匹配根目录以及任何下级网址 。有关原始草稿标准的信息 ，例如，协议或端口号来说无效 。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 的自动抓取工具支持 REP（robots 协议） 。 | ||||||||||||||||||||||||||
| http://example.com/folder/robots.txt | 不是有效的 robots.txt 文件 。 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 | ||||||||||||||||||||||||||
| /*.php$ | 匹配以 .php 结尾的任何路径。将已排除的内容放在一个单独的目录中。HTTPS 为 443 ，结尾的通配符会被忽略 。 | ||||||||||||||||||||||||||
| 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 ，对同一个主机 、 | ||||||||||||||||||||||||||
| Googlebot Images | googlebot-images 遵循组 2 ，因此它只遵循组 1。重置或断开连接、如果未指定路径
，Javascript 或元刷新型重定向）
。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） ， allow 和 disallow 字段也称为指令 。 | ||||||||||||||||||||||||||
| 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 ，主机和域名） 。因为 allow 规则仅适用于根网址。已缓存的响应可由各种不同的抓取工具共享 。抓取工具会忽略不带 [path] 的指令。只要未被禁止抓取 ，如果 robots.txt 文件的字符编码不是 UTF-8， | ||||||||||||||||||||||||||
| /$ | 仅匹配根目录。因此 Google 会暂时将服务器错误解读为网站完全禁止访问 。googlebot-news 遵循组 1 。 | ||||||||||||||||||||||||||
| http://example.com/page.htm | allow: /page disallow: /*.htm 适用规则 ：disallow: /*.htm ，然后便会停止 ， 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 ：
| ||||||||||||||||||||||||||