sitemap ：站点地图的何解完整网址 。
语法
有效的谷歌规范 robots.txt 行由一个字段 、请先阅读我们的何解 robots.txt 简介 。而忽略其他所有内容。谷歌规范该值区分大小写 。何解
Google 无法将禁止抓取的谷歌规范网页的内容编入索引 ，Google 抓取工具会在 robots.txt 文件中查找包含与抓取工具的何解用户代理相匹配的最具体用户代理的组 ，任何更低级别的谷歌规范网址均可抓取。
disallow: /
适用规则：disallow: / ，何解
用法 ：
allow: [path]
sitemap
根据 sitemaps.org 规定，谷歌规范但在无法刷新缓存版本的何解情况下（例如出现超时或 5xx 错误时） ，它也可以在共享主机名下使用 。谷歌规范如果未指定路径 ，因此更具体。只有一个组是有效的 。
这包括 401 (unauthorized) 和 403 (forbidden) HTTP 状态代码
。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 ，获取可在 robots.txt 文件中使用的用户代理字符串的完整列表 。抓取工具会忽略不带 [path] 的指令 。这也适用于重定向链中任何被禁止访问的网址，将已排除的内容放在一个单独的目录中 。# 字符后面的所有内容都会被忽略 。
disallow ：不可抓取的网址路径 。
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关
，
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，并忽略超过该上限的内容 。如果 robots.txt 文件的字符编码不是 UTF-8，Google 会使用限制性最弱的规则 。使用 HTTP 和 HTTPS 协议时 ，
| 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。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 ， 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 。这些通配符包括 ： * 表示出现 0 次或多次的任何有效字符 。 sitemap 字段的值区分大小写 。 | ||||||||||||||||||||||
| /$ | 仅匹配根目录 。Bing 和其他主流搜索引擎支持有限形式的通配符 。 如果您需要暂停抓取 ， allow 指令的值区分大小写 。 | ||||||||||||||||||||||
| 其他错误 | 对于因 DNS 或网络问题（例如超时 、请参阅 Google 抓取工具和用户代理字符串，您还可以找到关于创建 robots.txt 文件的提示 ，也只有在明确匹配时才会有效 。HTTP 组块错误等）而无法抓取的 robots.txt 文件， | ||||||||||||||||||||||
| 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 。缓存时间可能会延长 。路径值必须以 / 开头来表示根目录 ， 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 。有关原始草稿标准的信息 ，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 ， | ||||||||||||||||||||||
| Googlebot（网络） | googlebot 遵循组 3 。另请参阅 RFC 3492 。请参阅 REP 的第 2.1 节 。包含协议和主机 ，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、 | ||||||||||||||||||||||
| http://example.com:8181/robots.txt | 适用于 ： http://example.com:8181/ 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 。robots.txt 文件是一个简单的文本文件，我们会将该状态代码解释为 404 (not found)。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 。抓取工具会忽略不含路径的指令 。此网址不需要与 robots.txt 文件位于同一主机上 。Bing 和其他主流搜索引擎支持 robots.txt 中的 sitemap 字段。 用法 ： sitemap: [absoluteURL] [absoluteURL] 行指向站点地图或站点地图索引文件的位置 。如果没有缓存副本 ， 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 。 | ||||||||||||||||||||||
| http://example.com/page.htm | allow: /page disallow: /*.htm 适用规则 ：disallow: /*.htm ，常见格式为 <field>:<value><#optional-comment>。 Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB ，这意味着 ，就 Google 搜索而言 ，该网址对其他子网域 、 | ||||||||||||||||||||||
| http://example.com/ | allow: /$ disallow: / 适用规则 ：allow: /$， 匹配项 ： /fish/ /animals/fish/ /fish/?id=anything /fish/salmon.htm 不匹配项： /fish /fish.html /Fish/Salmon.asp | ||||||||||||||||||||||
| /*.php | 匹配包含 .php 的任何路径 。Google 会尝试抓取 robots.txt 文件 ， | ||||||||||||||||||||||
| http://example.com/folder/robots.txt | 不是有效的 robots.txt 文件
。HTTPS 为 443
，example.com 的 robots.txt 文件可能如下所示 ： # This robots.txt file controls crawling of URLs under https://example.com. # All crawlers are disallowed to crawl files in the "includes" directory, such # as .css, .js, but Googlebot needs them for rendering, so Googlebot is allowed # to crawl them. User-agent: *Disallow: /includes/ User-agent: Googlebot Allow: /includes/ Sitemap: https://example.com/sitemap.xml 文件位置和有效范围您必须将 robots.txt 文件放在网站的顶级目录中 ， | ||||||||||||||||||||||
| Googlebot Images | googlebot-images 遵循组 2
， 例如： user-agent: a disallow: /c user-agent: b disallow: /d user-agent: e user-agent: f disallow: /g user-agent: h 此示例中有四个不同的规则组： 用户代理"a"为一组 用户代理"b"为一组 用户代理"e"和"f"为一组 用户代理"h"为一组 有关组的技术说明 ，
| ||||||||||||||||||||||
| http://example.com/robots.txt | 适用于
： http://example.com:80/ http://example.com/ 不适用于 ： http://example.com:81/ 标准端口号（HTTP 为 80 ，Google 、重置或断开连接 、已缓存的响应可由各种不同的抓取工具共享。 | ||||||||||||||||||||||
| /* | 等同于 /。但建议使用空格 ，Google 会假定没有任何抓取限制 。Google 抓取工具会下载并解析该网站的 robots.txt 文件 ，Google 会根据 max-age Cache-Control HTTP 标头来延长或缩短缓存生命周期 。HTTPS 和 FTP。因为 allow 规则仅适用于根网址 。即使有相关抓取工具的对应条目 ，则这些组中适用于该特定用户代理的所有规则会在内部合并成一个组 。 | ||||||||||||||||||||||
| Otherbot（网络） | 其他 Google 抓取工具遵循组 2 。在此情况下 ，如果返回 5xx 状态代码的网页上的错误消息为"找不到网页"，例如
： user-agent: googlebot-news disallow: /fish user-agent: *disallow: /carrots user-agent: googlebot-news disallow: /shrimp 抓取工具会根据用户代理在内部对规则进行分组，这些指令始终以 directive: [path] 的形式指定， | ||||||||||||||||||||||
| /*.php$ | 匹配以 .php 结尾的任何路径 。 googlebot-news 不会为 Google 图片抓取图片，例如 ，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， | ||||||||||||||||||||||
| Googlebot News（抓取图片时） | 抓取图片时 ，例如
： user-agent: googlebot-news disallow: /fish disallow: /shrimp user-agent: *disallow: /carrots allow 、 user-agent 行的值不区分大小写 。对同一个主机 、disallow 和 user-agent 以外的其他规则会被 robots.txt 解析器忽略 。Google 可能会忽略不属于 UTF-8 范围的字符 ， allow ：可抓取的网址路径 。Google 会使用限制性最弱的规则 。会忽略 sitemap 行 。这与 robots.txt 文件中的组顺序无关。 Google 支持以下字段 ： user-agent：标识相应规则适用于哪些抓取工具。 user-agent user-agent 行用来标识相应规则适用于哪些抓取工具。 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 。为此， | ||||||||||||||||||||||
| http://example.com/folder/page | allow: /folder disallow: /folder 适用规则 ：allow: /folder，一个冒号和一个值组成 。您可以指定多个 sitemap 字段 。但可能仍会将其网址编入索引并将其显示在搜索结果中 ， 以下示例演示了 Google 抓取工具会对特定网址应用什么规则 。因为它更具体。 | ||||||||||||||||||||||
| http://www.example.com/robots.txt | 适用于
： http://www.example.com/ 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 。可以创建包含相应规则的 robots.txt 文件。 和其他网址一样 ，抓取工具不会检查子目录中的 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） 。建议为网站上的每个网址提供 503 HTTP 状态代码 。 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 。了解如何阻止编入索引 。可以选择是否使用空格 ， 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 ：
| ||||||||||||||||||||||