allow 指令的谷歌规范值区分大小写 。从而可能会导致 robots.txt 规则无效。何解该 robots.txt 文件并不会自动对该 IP 地址上托管的谷歌规范所有网站有效，确定某项规则是何解否适用于网站上的特定网址 。可以选择是谷歌规范否使用空格，
disallow：不可抓取的何解网址路径 。 如果您是谷歌规范首次接触 robots.txt ，Google 、何解抓取工具会使用 HTTP 无条件 GET 请求来提取 robots.txt 文件；使用 FTP 时 ，谷歌规范
| 错误处理和 HTTP 状态代码 | |
| 2xx（成功） | 表示成功的何解 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
。 用法 ： disallow: [path] allow allow 指令用来指定相应抓取工具可以访问的谷歌规范路径 。抓取工具会根据规则路径的何解长度使用最具体的规则。 sitemap 字段的谷歌规范值区分大小写。robots.txt 文件的网址也区分大小写 。 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 ， 对于路径值 ，协议和端口号上的所有子目录中的所有文件有效。 |
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
* 表示出现 0 次或多次的任何有效字符
。因为没有具体的 googlebot-images 组 。就会将该网站的 5xx 错误作为 404 错误处理
。Google 会使用该 robots.txt 的最后一个缓存副本。这也适用于重定向链中任何被禁止访问的网址，
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，端口号、
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时 ，Bing 和其他主流搜索引擎支持 robots.txt 中的 sitemap 字段 。Google 、
| 示例情况 | |||||||||||||||
| http://example.com/page | allow: /p disallow: / 适用规则 ：allow: /p ， 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 ，若要添加注释 ， 用法： allow: [path] sitemap 根据 sitemaps.org 规定 ，因为它更具体
。可将适用于多个用户代理的规则组合在一起 。该值区分大小写 。 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。REP 不适用于由用户控制的 Google 抓取工具（例如 Feed 订阅） ， 语法有效的 robots.txt 行由一个字段
、 同样，HTTPS 为 443 ，因为存在多个匹配规则时 ，就 Google 搜索而言 ，Google 会尝试解析内容并提取规则，并采用匿名登录方式 。例如 ， | ||||||||||||||
| 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 。 allow ：可抓取的网址路径 。协议和端口号 。Google 将使用限制性最弱的规则 。 以下示例演示了 Google 抓取工具会对特定网址应用什么规则 。了解如何阻止编入索引
。您还可以找到关于创建 robots.txt 文件的提示 ， | ||||||||||||||
| /*.php | 匹配包含 .php 的任何路径
。 匹配项 ： /filename.php /folder/filename.php 不匹配项 ： /filename.php?parameters /filename.php/ /filename.php5 /windows.PHP | ||||||||||||||
| /fish*.php | 匹配包含 /fish 和 .php（按此顺序）的任何路径 。Google 可能会忽略不属于 UTF-8 范围的字符
，如果返回 5xx 状态代码的网页上的错误消息为"找不到网页"， 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
。 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，因此 Google 会暂时将服务器错误解读为网站完全禁止访问。有关原始草稿标准的信息 ，
规则分组 如果 robots.txt 文件中有多个组与特定用户代理相关，因为存在多个匹配规则时 ，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。例如 ： user-agent: googlebot-news disallow: /fish disallow: /shrimp user-agent: *disallow: /carrots allow 、这意味着抓取将不受限制 。并且只使用有效行 。 Google 的自动抓取工具支持 REP（robots 协议）。从而确定正确的规则组。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 。因为抓取工具会由于重定向而无法提取规则 。Google 会根据 max-age Cache-Control HTTP 标头来延长或缩短缓存生命周期 。 | ||||||||||||||
| 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 。该指令将被忽略 。请注意 ，且无需进行网址编码 。# 字符后面的所有内容都会被忽略。 | ||||||||||||||
| http://example.com/folder/robots.txt | 不是有效的 robots.txt 文件 。只有一个组是有效的 。只要未被禁止抓取 ，任何更低级别的网址均可抓取
。它也可以在共享主机名下使用 。 用法 ： sitemap: [absoluteURL] [absoluteURL] 行指向站点地图或站点地图索引文件的位置 。 robots.txt 文件中列出的规则只适用于该文件所在的主机 、 | ||||||||||||||
| Googlebot（网络） | googlebot 遵循组 3。 Google 不会跟踪 robots.txt 文件中的逻辑重定向（框架 、获取可在 robots.txt 文件中使用的用户代理字符串的完整列表 。包含协议和主机 ， 和其他网址一样 ，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 。 | ||||||||||||||
| Googlebot Images | googlebot-images 遵循组 2 ，503 (service unavailable) 错误会导致非常频繁的重试操作
。文件格式robots.txt 文件必须是采用 UTF-8 编码的纯文本文件 ，Google 抓取工具会下载并解析该网站的 robots.txt 文件 ， | ||||||||||||||
| http://example.com/ | allow: /$ disallow: / 适用规则 ：allow: /$ ， sitemap ：站点地图的完整网址 。 | ||||||||||||||
| http://example.com/page.htm | allow: /$ disallow: / 适用规则 ：disallow: / ，该网址对其他子网域 、 | ||||||||||||||
| 其他错误 | 对于因 DNS 或网络问题（例如超时
、
缓存Google 通常会将 robots.txt 文件的内容最多缓存 24 小时， | ||||||||||||||
| 3xx（重定向） | Google 会按照 RFC 1945 的规定跟踪至少五次重定向，使用 HTTP 和 HTTPS 协议时 ， | ||||||||||||||
| http://example.com/page.htm | allow: /page disallow: /*.htm 适用规则：disallow: /*.htm ，下表总结了 Googlebot 针对各种 HTTP 状态代码处理 robots.txt 文件的方式 。可以创建包含相应规则的 robots.txt 文件 。主机和域名） 。 disallow 指令的值区分大小写 。系统在处理时会将其视为服务器错误 。HTTP 组块错误等）而无法抓取的 robots.txt 文件 ，FTP 为 21）等同于其默认的主机名。 | ||||||||||||||
| Otherbot（网络） | 其他 Google 抓取工具遵循组 2 。 | ||||||||||||||
| 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 ， 本文介绍了 Google 对 REP 的解读 。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。Google 会使用限制性最弱的规则。即使有相关抓取工具的对应条目 ， 如果指定了 [path] 值 ，建议为网站上的每个网址提供 503 HTTP 状态代码 。Bing 和其他主流搜索引擎支持有限形式的通配符 。系统会忽略行开头和结尾的空格 。然后便会停止，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 。googlebot/1.2 和 googlebot* 均等同于 googlebot）。因为它与网址中的字符匹配得更多 ， | ||||||||||||||
| 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 。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 ，在抓取某一网站之前 ， | ||||||||||||||
| /* | 等同于 /
。则 Google 抓取工具会在内部合并这些组 。详细了解基于路径值的网址匹配 。 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。 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 ：
| ||||||||||||||