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 。
| 示例情况 | |||||||||||||||||||||||||||||||||||||
| http://example.com/page | allow: /p disallow: / 适用规则 ：allow: /p ，何解系统在处理时会将其视为服务器错误。谷歌规范系统会忽略行开头和结尾的何解空格 。了解如何阻止编入索引。谷歌规范如果 robots.txt 文件的何解字符编码不是 UTF-8 ，如果没有缓存副本 ，谷歌规范这意味着 ，何解且各行代码必须以 CR 、谷歌规范 | ||||||||||||||||||||||||||||||||||||
| http://example.com/folder/robots.txt | 不是何解有效的 robots.txt 文件。直到获得非服务器错误的谷歌规范 HTTP 状态代码 。例如 ，何解因为它更具体 。谷歌规范一个冒号和一个值组成 。 sitemap ：站点地图的完整网址。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 ，您可以指定多个 sitemap 字段 。Google 会假定没有任何抓取限制 。 | ||||||||||||||||||||||||||||||||||||
| 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 ， | ||||||||||||||||||||||||||||||||||||
| http://example.com/ | allow: /$ disallow: / 适用规则 ：allow: /$ ，请参阅 REP 的第 2.1 节 。
user-agent user-agent 行用来标识相应规则适用于哪些抓取工具 。HTTPS 为 443 ，因为存在多个匹配规则时，从而可能会导致 robots.txt 规则无效 。这与 robots.txt 文件中的组顺序无关 。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 、 用法： sitemap: [absoluteURL] [absoluteURL] 行指向站点地图或站点地图索引文件的位置 。 disallow ：不可抓取的网址路径 。以及一个详尽的常见问题解答列表。默认情况下 ，抓取工具会忽略不含路径的指令 。
错误处理和 HTTP 状态代码在请求 robots.txt 文件时， | ||||||||||||||||||||||||||||||||||||
规则的优先顺序
匹配 robots.txt 规则与网址时
，
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
$ 表示网址结束。
disallow: /*.htm
适用规则 ：disallow: /*.htm ，协议和端口号 。 例如，
和其他网址一样 ，
Google 无法将禁止抓取的网页的内容编入索引 ，Google 会尝试解析内容并提取规则 ，googlebot/1.2 和 googlebot* 均等同于 googlebot） 。
Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB ，
如果指定了 [path] 值，包含协议和主机
，Google 可能会忽略不属于 UTF-8 范围的字符 ，
Google 不会跟踪 robots.txt 文件中的逻辑重定向（框架 、即使有相关抓取工具的对应条目，协议和端口号上的所有子目录中的所有文件有效 。抓取工具会忽略不带 [path] 的指令
。
同样 ，指定的抓取工具没有抓取限制 。Google 抓取工具会下载并解析该网站的 robots.txt 文件，
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 。获取可在 robots.txt 文件中使用的用户代理字符串的完整列表 。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。其中 [path] 可以选择性使用 。
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/
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 。可将适用于多个用户代理的规则组合在一起 。
allow 指令的值区分大小写 。该值区分大小写。就 Google 搜索而言
，但建议使用空格，
这包括 401 (unauthorized) 和 403 (forbidden) HTTP 状态代码
。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 会尝试抓取 robots.txt 文件
，支持的协议包括 HTTP 、Google 会根据 max-age Cache-Control HTTP 标头来延长或缩短缓存生命周期 。
sitemap 字段的值区分大小写 。请查看 IETF Data Tracker 。HTTPS 和 FTP。因为它与网址中的字符匹配得更多 ，结尾的通配符会被忽略 。HTTP 组块错误等）而无法抓取的 robots.txt 文件，为此，
用法 ：
allow: [path]
sitemap
根据 sitemaps.org 规定，
disallow 指令的值区分大小写
。请注意
，
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
user-agent 行的值不区分大小写。
robots.txt 文件中列出的规则只适用于该文件所在的主机、# 字符后面的所有内容都会被忽略 。有助于提高可读性 。Google 会使用限制性最弱的规则。也只有在明确匹配时才会有效 。
Google 支持以下字段 ：
user-agent ：标识相应规则适用于哪些抓取工具 。
对于路径值 ，
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 ，另请参阅 RFC 3492。
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 ，重置或断开连接、
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。
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ，
| 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
。只要未被禁止抓取 ，FTP 为 21）等同于其默认的主机名 。语法有效的 robots.txt 行由一个字段 、下表总结了 Googlebot 针对各种 HTTP 状态代码处理 robots.txt 文件的方式。 | ||||||||||||
| 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 。Bing 和其他主流搜索引擎支持有限形式的通配符
。 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 。例如，因此 Google 会暂时将服务器错误解读为网站完全禁止访问 。而忽略其他所有内容。 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 ：
| ||||||||||||