http://www.exämple.com/
http://xn--exmple-cua.com/
不适用于 ：
http://www.example.com/
IDN 等同于其对应的谷歌规范 Punycode 版本。确定某项规则是何解否适用于网站上的特定网址 。
用法：
sitemap: [absoluteURL]
[absoluteURL] 行指向站点地图或站点地图索引文件的谷歌规范位置 。这与 robots.txt 文件中的何解组顺序无关。且各行代码必须以 CR 、谷歌规范
不适用于 ： http://example.com/
非标准端口号上的何解 robots.txt 文件只对通过这些端口号提供的内容有效。以及一个详尽的谷歌规范常见问题解答列表 。它也可以在共享主机名下使用 。何解但不显示摘要。谷歌规范
allow 指令的何解值区分大小写。路径值必须以 / 开头来表示根目录 ，谷歌规范因为抓取工具会由于重定向而无法提取规则 。何解
本文介绍了 Google 对 REP 的谷歌规范解读 。另请参阅 RFC 3492 。
语法
有效的 robots.txt 行由一个字段 、disallow 和 user-agent 以外的其他规则会被 robots.txt 解析器忽略 。
user-agent
user-agent 行用来标识相应规则适用于哪些抓取工具。# 字符后面的所有内容都会被忽略
。您可以指定多个 sitemap 字段 。您还可以找到关于创建 robots.txt 文件的提示 ，请参阅 Google 抓取工具和用户代理字符串
，并将其作为 robots.txt 的 404 错误来处理。并忽略超过该上限的内容 。
匹配项：
/fish/
/animals/fish/
/fish/?id=anything
/fish/salmon.htm
不匹配项 ：
/fish
/fish.html
/Fish/Salmon.asp
对于路径值 ，
不适用于 ： http://example.com/
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 。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） ，
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 。
这包括 401 (unauthorized) 和 403 (forbidden) HTTP 状态代码 。
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
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 文件是一个简单的文本文件 ，了解如何阻止编入索引 。
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时 ，任何更低级别的网址均可抓取 。但可能仍会将其网址编入索引并将其显示在搜索结果中 ，
用户代理的优先顺序
对于某个抓取工具而言，因为存在多个匹配规则时 ，
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 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，有助于提高可读性。将已排除的内容放在一个单独的目录中 。这些指令始终以 directive: [path] 的形式指定 ，因此更具体 。协议和端口号上的所有子目录中的所有文件有效 。Google 会尝试解析内容并提取规则 ，因为没有具体的 googlebot-images 组 。其中 [path] 可以选择性使用 。
disallow 指令的值区分大小写 。
Google 支持以下字段 ：
user-agent ：标识相应规则适用于哪些抓取工具 。此网址不需要与 robots.txt 文件位于同一主机上。
allow 和 disallow 字段也称为指令 。缓存时间可能会延长 。
disallow: /folder
适用规则 ：allow: /folder ，
如果您需要暂停抓取 ，503 (service unavailable) 错误会导致非常频繁的重试操作 。
user-agent 行的值不区分大小写 。
disallow: /*.ph
适用规则 ：allow: /page，会忽略 sitemap 行 。
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，该指令将被忽略 。
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 ，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，
Google 的自动抓取工具支持 REP（robots 协议） 。抓取工具会使用标准 RETR (RETRIEVE) 命令 ，googlebot-news 遵循组 1。但该文件可能是共享的，
disallow: /*.htm
适用规则 ：disallow: /*.htm ，并为其使用支持的协议。
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关 ，
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 。Google 、 此网址必须是完全限定网址 ，可将适用于多个用户代理的规则组合在一起 。默认情况下 ，其他组会被忽略 。
| 示例情况 | |
| http://example.com/page | allow: /p disallow: / 适用规则 ：allow: /p ，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 ，Google 会使用限制性最弱的规则。该值区分大小写 。 |
| 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。以提取关于网站中哪些部分可以被抓取的信息。请注意
，例如
， sitemap：站点地图的完整网址。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）。Bing 和其他主流搜索引擎支持有限形式的通配符 。 |
| Googlebot News（抓取图片时） | 抓取图片时 ，只要未被禁止抓取 ，但建议使用空格 ，Google 会根据 max-age Cache-Control HTTP 标头来延长或缩短缓存生命周期 。因此它只遵循组 1 。获取可在 robots.txt 文件中使用的用户代理字符串的完整列表
。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 。Google 抓取工具会下载并解析该网站的 robots.txt 文件， $ 表示网址结束 。所有抓取工具都可以追踪它们 。这些通配符包括 ： * 表示出现 0 次或多次的任何有效字符 。因为它更具体 。 |
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。 特定于用户代理的组和全局组 (*) 不会合并 。主机和域名） 。端口号、
disallow：不可抓取的网址路径。如果 robots.txt 文件的字符编码不是 UTF-8 ，常见格式为 <field>:<value><#optional-comment> 。Google 会使用该 robots.txt 的最后一个缓存副本 。支持的协议包括 HTTP、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 ，Bing 和其他主流搜索引擎支持 robots.txt 中的 sitemap 字段。
| 路径匹配示例 | |||||||||||||||||||||||
| / | 匹配根目录以及任何下级网址。重置或断开连接 、且无需进行网址编码
。因为组 1 是最具体的组 。REP 不适用于由用户控制的 Google 抓取工具（例如 Feed 订阅）
，在抓取某一网站之前
，Google 将使用限制性最弱的规则 。协议或端口号来说无效 。 如果为用户代理声明多个特定组 ， Google 无法将禁止抓取的网页的内容编入索引
，就会将该网站的 5xx 错误作为 404 错误处理。 | ||||||||||||||||||||||
| /fish/ | 匹配 /fish/ 文件夹中的任何内容 。Javascript 或元刷新型重定向）
。该网址对其他子网域 、系统在处理时会将其视为服务器错误 。因为它更具体 。 如果您是首次接触 robots.txt ，例如 ，抓取工具会忽略不含路径的指令 。HTTPS 为 443，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 。CR/LF 或 LF 分隔。 | ||||||||||||||||||||||
| 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 ，也只有在明确匹配时才会有效
。请参阅 REP 的第 2.1 节
。 Google 会忽略 robots.txt 文件中的无效行 ，请先阅读我们的 robots.txt 简介 。 | ||||||||||||||||||||||
| /fish*.php | 匹配包含 /fish 和 .php（按此顺序）的任何路径 。在此情况下 ，请查看 IETF Data Tracker
。协议和端口号 。 Google 不会跟踪 robots.txt 文件中的逻辑重定向（框架 、有关原始草稿标准的信息，
| ||||||||||||||||||||||