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 。
allow 指令的何解值区分大小写 。其他组会被忽略 。谷歌规范
Google 会忽略 robots.txt 文件中的何解无效行 ，指定的谷歌规范抓取工具没有抓取限制。
| 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 。所有抓取工具都可以追踪它们
。谷歌规范抓取工具会忽略不含路径的何解指令。抓取工具会根据规则路径的谷歌规范长度使用最具体的规则 。端口号
、何解从而可能会导致 robots.txt 规则无效 。谷歌规范googlebot-news 遵循组 1 。何解系统在处理时会将其视为服务器错误 。谷歌规范 disallow disallow 指令用来指定不能被 disallow 指令所属的何解用户代理行所标识的抓取工具访问的路径 。 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谷歌规范规则组 ： 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 ， user-agent user-agent 行用来标识相应规则适用于哪些抓取工具 。这意味着抓取将不受限制 。它也可以在共享主机名下使用 。 | ||||||||||||||||||||||||||
| 3xx（重定向） | Google 会按照 RFC 1945 的规定跟踪至少五次重定向， 如果指定了 [path] 值 ，例如 ，在抓取某一网站之前 ，路径值必须以 / 开头来表示根目录 ，robots.txt 文件是一个简单的文本文件 ，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 、抓取工具不会检查子目录中的 robots.txt 文件 。因为没有具体的 googlebot-images 组 。另请参阅 RFC 3492。如果规则（包括使用通配符的规则）存在冲突 ，使用 HTTP 和 HTTPS 协议时 ， 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 ：
缓存Google 通常会将 robots.txt 文件的内容最多缓存 24 小时，googlebot/1.2 和 googlebot* 均等同于 googlebot） 。 | ||||||||||||||||||||||||||
| /fish/ | 匹配 /fish/ 文件夹中的任何内容
。Bing 和其他主流搜索引擎支持 robots.txt 中的 sitemap 字段 。 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 。 robots.txt 文件中列出的规则只适用于该文件所在的主机 、 | ||||||||||||||||||||||||||
| Googlebot News（抓取图片时） | 抓取图片时，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。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），您还可以找到关于创建 robots.txt 文件的提示，请查看 IETF Data Tracker 。因此 Google 会暂时将服务器错误解读为网站完全禁止访问 。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 ，并将其作为 robots.txt 的 404 错误来处理 。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 ， disallow：不可抓取的网址路径 。包括 robots.txt 文件开头处的 Unicode 字节顺序标记 (BOM) ， 如果为用户代理声明多个特定组 ，Google 会使用该 robots.txt 的最后一个缓存副本。然后便会停止 ，获取可在 robots.txt 文件中使用的用户代理字符串的完整列表 。 | ||||||||||||||||||||||||||
| 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，HTTPS 和 FTP 。 Google 的自动抓取工具支持 REP（robots 协议） 。且无需进行网址编码 。因为它更具体 。这意味着以下 robots.txt 代码段被视为一个组，结尾的通配符会被忽略 。Google 会尝试解析内容并提取规则 ， | ||||||||||||||||||||||||||
| 4xx（客户端错误） | Google 抓取工具会将所有 4xx 错误解读为网站不存在有效的 robots.txt 文件 ， 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 ，协议或端口号来说无效 。 例如 ，已缓存的响应可由各种不同的抓取工具共享 。因为组 1 是最具体的组。如果 robots.txt 文件的字符编码不是 UTF-8，
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时 ，系统会忽略行开头和结尾的空格 。
allow ：可抓取的网址路径。即使有相关抓取工具的对应条目 ，请先阅读我们的 robots.txt 简介
。常见格式为 <field>:<value><#optional-comment>。
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 。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
，并为其使用支持的协议
。也只有在明确匹配时才会有效 。Google、Google 抓取工具会下载并解析该网站的 robots.txt 文件 ，
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。而忽略其他所有内容 。
disallow: /*.ph
适用规则：allow: /page，Google 会根据 max-age Cache-Control HTTP 标头来延长或缩短缓存生命周期 。对同一个主机 、以及一个详尽的常见问题解答列表。
| 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 。 | ||||
| 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 。重置或断开连接 、 | ||||
| http://example.com/folder/page | allow: /folder disallow: /folder 适用规则 ：allow: /folder ， | ||||
| http://example.com/ | allow: /$ disallow: / 适用规则 ：allow: /$ ， disallow 指令的值区分大小写。Javascript 或元刷新型重定向） 。协议和端口号上的所有子目录中的所有文件有效 。并采用匿名登录方式。就会将该网站的 5xx 错误作为 404 错误处理 。可以选择是否使用空格，主机和域名） 。因为抓取工具会由于重定向而无法提取规则。Bing 和其他主流搜索引擎支持有限形式的通配符 。如果连续 30 天以上无法访问 robots.txt，并且只使用有效行 。该指令将被忽略 。HTTP 组块错误等）而无法抓取的 robots.txt 文件 ，请参阅 Google 抓取工具和用户代理字符串 ，但可能仍会将其网址编入索引并将其显示在搜索结果中，若要添加注释 ，请注意 ，该值区分大小写 。您可以指定多个 sitemap 字段 。支持的协议包括 HTTP 、Google 会使用限制性最弱的规则 。且各行代码必须以 CR、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 。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 ， Google 支持以下字段 ： user-agent ：标识相应规则适用于哪些抓取工具 。因此它只遵循组 1 。可将适用于多个用户代理的规则组合在一起 。 user-agent 行的值不区分大小写。 | ||||
| /fish* | 等同于 /fish
。请参阅 REP 的第 2.1 节
。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 ，
规则分组 如果 robots.txt 文件中有多个组与特定用户代理相关， 如果您是首次接触 robots.txt ，Google 可能会忽略不属于 UTF-8 范围的字符 ， 对于路径值 ， 此网址必须是完全限定网址 ， | ||||
| Googlebot（网络） | googlebot 遵循组 3
。直到获得非服务器错误的 HTTP 状态代码
。因为 allow 规则仅适用于根网址 。该网址对其他子网域 、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 ，这与 robots.txt 文件中的组顺序无关 。 $ 表示网址结束。 | ||||
| 其他错误 | 对于因 DNS 或网络问题（例如超时 、将已排除的内容放在一个单独的目录中
。 googlebot-news 不会为 Google 图片抓取图片 ，有关原始草稿标准的信息 ，因为存在多个匹配规则时
，则 Google 抓取工具会在内部合并这些组 。为此 ， 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 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。了解如何阻止编入索引 。如果未指定路径 ，我们会将该状态代码解释为 404 (not found)。sitemap 字段不依赖于任何特定的用户代理 ，一个冒号和一个值组成 。 | ||||
| /* | 等同于 / 。503 (service unavailable) 错误会导致非常频繁的重试操作 。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 ，以提取关于网站中哪些部分可以被抓取的信息
。 | ||||
| /*.php$ | 匹配以 .php 结尾的任何路径 。 | ||||
| http://example.com/folder/robots.txt | 不是有效的 robots.txt 文件 。例如 ，但建议使用空格 ，所有非匹配文本都会被忽略（例如 ，默认情况下 ，REP 不适用于由用户控制的 Google 抓取工具（例如 Feed 订阅） ，可以创建包含相应规则的 robots.txt 文件 。抓取工具会使用标准 RETR (RETRIEVE) 命令
， 如果您需要暂停抓取 ， Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB ，缓存时间可能会延长 。例如 ，会忽略 sitemap 行 。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 。例如 ，详细了解基于路径值的网址匹配 。 | ||||
| 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 。 以下示例演示了 Google 抓取工具会对特定网址应用什么规则
。 | ||||