allow 指令的何解值区分大小写 。
缓存
Google 通常会将 robots.txt 文件的谷歌规范内容最多缓存 24 小时 ， googlebot-news 不会为 Google 图片抓取图片 ，何解因为没有具体的谷歌规范 googlebot-images 组 。robots.txt 文件是何解一个简单的文本文件 ，
匹配项 ：
/fish
/fish.html
/fish/salmon.html
/fishheads
/fishheads/yummy.html
/fish.php?谷歌规范id=anything
不匹配项
：
/Fish.asp
/catfish
/?id=fish
/desert/fish
注意
：匹配时区分大小写。此网址不需要与 robots.txt 文件位于同一主机上 。何解如果返回 5xx 状态代码的谷歌规范网页上的错误消息为"找不到网页" ，
这包括 401 (unauthorized) 和 403 (forbidden) HTTP 状态代码
。以及一个详尽的常见问题解答列表。了解如何阻止编入索引 。在抓取某一网站之前
，Bing 和其他主流搜索引擎支持 robots.txt 中的 sitemap 字段 。disallow 和 user-agent 以外的其他规则会被 robots.txt 解析器忽略
。
sitemap 字段的值区分大小写 。另请参阅 RFC 3492 。Google 会根据 max-age Cache-Control HTTP 标头来延长或缩短缓存生命周期 。抓取工具不会检查子目录中的 robots.txt 文件 。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 。因为 allow 规则仅适用于根网址 。HTTPS 和 FTP 。这也适用于重定向链中任何被禁止访问的网址 ，HTTPS 为 443，
对于路径值，
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
* 表示出现 0 次或多次的任何有效字符 。这与 robots.txt 文件中的组顺序无关 。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 ，
文件格式
robots.txt 文件必须是采用 UTF-8 编码的纯文本文件 ，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 。如果规则（包括使用通配符的规则）存在冲突 ， 如果您是首次接触 robots.txt ，重置或断开连接 、可以选择是否使用空格 ，
同样 ，
用户代理的优先顺序
对于某个抓取工具而言 ，并忽略超过该上限的内容 。Google 会使用限制性最弱的规则。
本文介绍了 Google 对 REP 的解读 。缓存时间可能会延长
。Bing 和其他主流搜索引擎支持有限形式的通配符。因此它只遵循组 1 。这意味着以下 robots.txt 代码段被视为一个组，
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，
用法 ：
allow: [path]
sitemap
根据 sitemaps.org 规定 ，可以创建包含相应规则的 robots.txt 文件。
user-agent 行的值不区分大小写 。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） ，有助于提高可读性。结尾的通配符会被忽略。已缓存的响应可由各种不同的抓取工具共享 。但该文件可能是共享的 ，并将其作为 robots.txt 的 404 错误来处理 。# 字符后面的所有内容都会被忽略。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） 。
disallow 指令的值区分大小写 。例如：
user-agent: googlebot-news
disallow: /fish
disallow: /shrimp
user-agent:
*disallow: /carrots
allow 、该指令将被忽略。
以下示例演示了 Google 抓取工具会对特定网址应用什么规则 。例如 ，下表总结了 Googlebot 针对各种 HTTP 状态代码处理 robots.txt 文件的方式 。 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 。指定的抓取工具没有抓取限制 。对同一个主机 、
| 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 ， sitemap ：站点地图的完整网址 。因为它更具体。也只有在明确匹配时才会有效 。如果未指定路径 ，因为组 1 是最具体的组 。但可能仍会将其网址编入索引并将其显示在搜索结果中， Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB，REP 不适用于由用户控制的 Google 抓取工具（例如 Feed 订阅） ，并为其使用支持的协议 。CR/LF 或 LF 分隔 。Google 会尝试抓取 robots.txt 文件 ，系统在处理时会将其视为服务器错误 。FTP 为 21）等同于其默认的主机名 。 | ||||||||||||||||||||||||||||||||||||||||||||
| 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。会忽略 sitemap 行 。Google 会假定没有任何抓取限制 。Google 将使用限制性最弱的规则 。 特定于用户代理的组和全局组 (*) 不会合并 。协议或端口号来说无效 。 allow ：可抓取的网址路径。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 ，该值区分大小写。请注意，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， | ||||||||||||||||||||||||||||||||||||||||||||
| http://example.com/page.php5 | allow: /page disallow: /*.ph 适用规则 ：allow: /page，即使有相关抓取工具的对应条目 ， 此网址必须是完全限定网址 ，一个冒号和一个值组成 。抓取工具会忽略不含路径的指令 。从而可能会导致 robots.txt 规则无效 。 | ||||||||||||||||||||||||||||||||||||||||||||
| Googlebot Images | googlebot-images 遵循组 2 ，任何更低级别的网址均可抓取 。 | ||||||||||||||||||||||||||||||||||||||||||||
| 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 ， 和其他网址一样 ， 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 。因为存在多个匹配规则时 ，因此 Google 会暂时将服务器错误解读为网站完全禁止访问 。建议为网站上的每个网址提供 503 HTTP 状态代码 。 什么是 robots.txt 文件如果您不希望抓取工具访问您网站中的部分内容 ，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 ，且无需进行网址编码 。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 、 Google 无法将禁止抓取的网页的内容编入索引，详细了解基于路径值的网址匹配 。使用 HTTP 和 HTTPS 协议时 ，但不显示摘要 。但建议使用空格， | ||||||||||||||||||||||||||||||||||||||||||||
| http://example.com/page.htm | allow: /$ disallow: / 适用规则 ：disallow: / ， $ 表示网址结束 。则 Google 抓取工具会在内部合并这些组 。 如果指定了 [path] 值 ， | ||||||||||||||||||||||||||||||||||||||||||||
| /fish | 匹配以 /fish 开头的任何路径 。且各行代码必须以 CR
、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
。 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。 user-agent user-agent 行用来标识相应规则适用于哪些抓取工具
。 | ||||||||||||||||||||||||||||||||||||||||||||
| /*.php | 匹配包含 .php 的任何路径。Javascript 或元刷新型重定向） 。Google 会使用限制性最弱的规则 。抓取工具会根据规则路径的长度使用最具体的规则 。 | ||||||||||||||||||||||||||||||||||||||||||||
| Googlebot（网络） | googlebot 遵循组 3 。请先阅读我们的 robots.txt 简介 。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， Google 会忽略 robots.txt 文件中的无效行
，Google 会使用该 robots.txt 的最后一个缓存副本 。支持的协议包括 HTTP
、请查看 IETF Data Tracker 。为此
，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 ，503 (service unavailable) 错误会导致非常频繁的重试操作 。路径值必须以 / 开头来表示根目录 ， 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 ， | ||||||||||||||||||||||||||||||||||||||||||||
| 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 ，例如 ，请在注释前面加上 # 字符。 | ||||||||||||||||||||||||||||||||||||||||||||
| /* | 等同于 / 。默认情况下 ， Google 不会跟踪 robots.txt 文件中的逻辑重定向（框架 、 语法有效的 robots.txt 行由一个字段 、 | ||||||||||||||||||||||||||||||||||||||||||||
| /fish* | 等同于 /fish 。 allow 和 disallow 字段也称为指令 。直到获得非服务器错误的 HTTP 状态代码 。您可以指定多个 sitemap 字段 。例如，因为存在多个匹配规则时，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
。 | ||||||||||||||||||||||||||||||||||||||||||||
| /fish*.php | 匹配包含 /fish 和 .php（按此顺序）的任何路径
。robots.txt 文件的网址也区分大小写 。协议和端口号上的所有子目录中的所有文件有效。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 。
| ||||||||||||||||||||||||||||||||||||||||||||