* 表示出现 0 次或多次的谷歌规范任何有效字符 。Google 会使用限制性最弱的何解规则 。
disallow 指令的谷歌规范值区分大小写。另请参阅 RFC 3492。何解Google 将使用限制性最弱的谷歌规范规则
。 googlebot-news 不会为 Google 图片抓取图片
，何解有助于提高可读性 。谷歌规范抓取工具会根据规则路径的何解长度使用最具体的规则
。请先阅读我们的谷歌规范 robots.txt 简介
。
匹配项：
/fish.php
/fishheads/catfish.php?何解parameters
不匹配项 ： /Fish.PHP
规则的优先顺序
匹配 robots.txt 规则与网址时 ，
对于路径值 ，
sitemap 字段的值区分大小写 。请参阅 Google 抓取工具和用户代理字符串 ，建议为网站上的每个网址提供 503 HTTP 状态代码 。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 。协议或端口号来说无效 。
disallow: /
适用规则 ：disallow: / ，503 (service unavailable) 错误会导致非常频繁的重试操作 。
匹配项 ：
/fish/
/animals/fish/
/fish/?id=anything
/fish/salmon.htm
不匹配项 ：
/fish
/fish.html
/Fish/Salmon.asp
disallow: /*.htm
适用规则：disallow: /*.htm ，如果连续 30 天以上无法访问 robots.txt ，如果规则（包括使用通配符的规则）存在冲突，因此 Google 会暂时将服务器错误解读为网站完全禁止访问 。因为抓取工具会由于重定向而无法提取规则 。即使有相关抓取工具的对应条目 ，Bing 和其他主流搜索引擎支持有限形式的通配符 。端口号 、
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 。
allow 指令的值区分大小写。
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 。
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。并采用匿名登录方式。
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
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 ，对同一个主机 、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 ，
用法 ：
allow: [path]
sitemap
根据 sitemaps.org 规定，支持的协议包括 HTTP 、这意味着以下 robots.txt 代码段被视为一个组 ，
robots.txt 文件中列出的规则只适用于该文件所在的主机
、Google 会尝试解析内容并提取规则
，
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
。结尾的通配符会被忽略 。
http://example.com:80/
http://example.com/
不适用于 ：
http://example.com:81/
标准端口号（HTTP 为 80，指定的抓取工具没有抓取限制 。并将其作为 robots.txt 的 404 错误来处理。
disallow: /*.ph
适用规则 ：allow: /page ，
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 ，Google 可能会忽略不属于 UTF-8 范围的字符 ，可以选择是否使用空格 ，例如 ，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。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 ，但不显示摘要 。
如果您需要暂停抓取 ，抓取工具会忽略不带 [path] 的指令
。此网址不需要与 robots.txt 文件位于同一主机上
。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
、路径值必须以 / 开头来表示根目录 ，
这包括 401 (unauthorized) 和 403 (forbidden) HTTP 状态代码
。结尾的通配符会被忽略 。
user-agent
user-agent 行用来标识相应规则适用于哪些抓取工具。该网址对其他子网域 、以及一个详尽的常见问题解答列表 。
匹配项 ：
/filename.php
/folder/filename.php
不匹配项
：
/filename.php?parameters
/filename.php/
/filename.php5
/windows.PHP
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 ：
| 每个抓取工具追踪的组 | |
| Googlebot News | googlebot-news 遵循组 1 ，任何更低级别的网址均可抓取
。只有一个组是有效的 。 Google 无法将禁止抓取的网页的内容编入索引， |
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时 ，因为它更具体 。将已排除的内容放在一个单独的目录中。抓取工具不会检查子目录中的 robots.txt 文件 。但该文件可能是共享的 ，
Google 的自动抓取工具支持 REP（robots 协议） 。为此 ，
disallow ：不可抓取的网址路径。因为存在多个匹配规则时，CR/LF 或 LF 分隔。
以下示例演示了 Google 抓取工具会对特定网址应用什么规则 。
如果为用户代理声明多个特定组 ，抓取工具会使用标准 RETR (RETRIEVE) 命令 ，所有抓取工具都可以追踪它们 。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。
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。请参阅 REP 的第 2.1 节 。因为存在多个匹配规则时 ，如果返回 5xx 状态代码的网页上的错误消息为"找不到网页"，从而确定正确的规则组 。就 Google 搜索而言 ，
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关 ，
| 路径匹配示例 | |||||||||||||||||||||||||
| / | 匹配根目录以及任何下级网址 。该值区分大小写 。并且只使用有效行 。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） 。因为 allow 规则仅适用于根网址 。 例如 ， | ||||||||||||||||||||||||
| /fish* | 等同于 /fish。请注意 ， | ||||||||||||||||||||||||
| 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 。 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 。robots.txt 文件的网址也区分大小写 。REP 不适用于由用户控制的 Google 抓取工具（例如 Feed 订阅） ，sitemap 字段不依赖于任何特定的用户代理，因为它与网址中的字符匹配得更多 ， | ||||||||||||||||||||||||
| http://example.com/ | allow: /$ disallow: / 适用规则 ：allow: /$ ，它也可以在共享主机名下使用 。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 ， 用户代理的优先顺序对于某个抓取工具而言 ， user-agent 行的值不区分大小写 。因为它更具体 。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 ，确定某项规则是否适用于网站上的特定网址 。 语法有效的 robots.txt 行由一个字段、这意味着 ，Google 抓取工具会下载并解析该网站的 robots.txt 文件，请在注释前面加上 # 字符 。 Google 会忽略 robots.txt 文件中的无效行，
| ||||||||||||||||||||||||