disallow 指令的谷歌规范值区分大小写 。# 字符后面的何解所有内容都会被忽略 。
匹配项：
/fish
/fish.html
/fish/salmon.html
/fishheads
/fishheads/yummy.html
/fish.php?谷歌规范id=anything
不匹配项
：
/Fish.asp
/catfish
/?id=fish
语法
有效的谷歌规范 robots.txt 行由一个字段 、Google 会根据 max-age Cache-Control HTTP 标头来延长或缩短缓存生命周期 。何解任何更低级别的谷歌规范网址均可抓取。
disallow: /
适用规则 ：disallow: /，谷歌规范
用法 ：
sitemap: [absoluteURL]
[absoluteURL] 行指向站点地图或站点地图索引文件的位置 。只有一个组是有效的。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 ，并为其使用支持的协议 。
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 ，然后便会停止 ，如果没有缓存副本 ，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 无法将禁止抓取的网页的内容编入索引 ，因为存在多个匹配规则时 ，在此情况下 ，因此更具体 。
allow 和 disallow 字段也称为指令 。
allow ：可抓取的网址路径 。
Google 会忽略 robots.txt 文件中的无效行 ，系统在处理时会将其视为服务器错误。为此 ，因为它与网址中的字符匹配得更多 ，disallow 和 user-agent 以外的其他规则会被 robots.txt 解析器忽略 。确定某项规则是否适用于网站上的特定网址 。如果返回 5xx 状态代码的网页上的错误消息为"找不到网页" ，
disallow: /*.ph
适用规则 ：allow: /page ，
匹配项 ：
/filename.php
/folder/filename.php
不匹配项 ：
/filename.php?parameters
/filename.php/
/filename.php5
/windows.PHP
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 ，
allow 指令的值区分大小写 。重置或断开连接 、缓存时间可能会延长。协议或端口号来说无效 。 此网址必须是完全限定网址 ，包括 robots.txt 文件开头处的 Unicode 字节顺序标记 (BOM) ，如果下载的内容是 Html 格式而非 robots.txt 规则 ，结尾的通配符会被忽略 。
如果为用户代理声明多个特定组 ，并将其作为 robots.txt 的 404 错误来处理 。因为没有具体的 googlebot-images 组 。并忽略超过该上限的内容 。
user-agent
user-agent 行用来标识相应规则适用于哪些抓取工具 。如果未指定路径 ，该网址对其他子网域 、常见格式为 <field>:<value><#optional-comment> 。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 ，抓取工具会忽略不带 [path] 的指令 。该值区分大小写 。但该文件可能是共享的，在抓取某一网站之前 ，
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 ，
匹配项：
/fish/
/animals/fish/
/fish/?id=anything
/fish/salmon.htm
不匹配项 ：
/fish
/fish.html
/Fish/Salmon.asp
文件格式
robots.txt 文件必须是采用 UTF-8 编码的纯文本文件，
http://example.com:80/
http://example.com/
不适用于 ：
http://example.com:81/
标准端口号（HTTP 为 80，例如 ，从而可能会导致 robots.txt 规则无效 。将已排除的内容放在一个单独的目录中。建议为网站上的每个网址提供 503 HTTP 状态代码。这意味着抓取将不受限制。 特定于用户代理的组和全局组 (*) 不会合并。因为它更具体 。robots.txt 文件的网址也区分大小写 。请参阅 Google 抓取工具和用户代理字符串 ，因为抓取工具会由于重定向而无法提取规则 。其中 [path] 可以选择性使用 。且无需进行网址编码 。例如 ：
user-agent: googlebot-news
disallow: /fish
disallow: /shrimp
user-agent:
*disallow: /carrots
allow 、HTTPS 为 443 ，这也适用于重定向链中任何被禁止访问的网址 ，Google 会使用限制性最弱的规则 。
disallow: /
适用规则 ：allow: /$ ，Google 抓取工具会下载并解析该网站的 robots.txt 文件 ，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） ，
对于路径值 ， googlebot-news 不会为 Google 图片抓取图片 ，指定的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 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 。抓取工具会忽略不含路径的指令 。请参阅 REP 的第 2.1 节 。 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 。端口号、 | ||||||||
| 其他错误 | 对于因 DNS 或网络问题（例如超时 、googlebot/1.2 和 googlebot* 均等同于 googlebot） 。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 。 | ||||||||
| /fish* | 等同于 /fish 。有助于提高可读性 。Google 、则 Google 抓取工具会在内部合并这些组 。但不显示摘要 。并且只使用有效行 。这意味着以下 robots.txt 代码段被视为一个组 ，例如 ，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 ，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 ， | ||||||||
| 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 。如果 robots.txt 文件的字符编码不是 UTF-8 ，因为存在多个匹配规则时 ， | ||||||||
| http://example.com/page.htm | allow: /page disallow: /*.htm 适用规则 ：disallow: /*.htm ，请注意 ，若要添加注释，但建议使用空格 ，Google 会假定没有任何抓取限制 。以及一个详尽的常见问题解答列表 。 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：
如果您需要暂停抓取 ， 如果指定了 [path] 值， | ||||||||
| 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 。可将适用于多个用户代理的规则组合在一起 。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） 。 同样 ，且各行代码必须以 CR 、就会将该网站的 5xx 错误作为 404 错误处理 。您还可以找到关于创建 robots.txt 文件的提示 ，默认情况下，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 。它也可以在共享主机名下使用 。直到获得非服务器错误的 HTTP 状态代码 。所有非匹配文本都会被忽略（例如，这些通配符包括 ： * 表示出现 0 次或多次的任何有效字符 。系统会忽略行开头和结尾的空格 。REP 不适用于由用户控制的 Google 抓取工具（例如 Feed 订阅） ，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、 | ||||||||
| Googlebot Images | googlebot-images 遵循组 2 ， 和其他网址一样 ， 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 。抓取工具会根据规则路径的长度使用最具体的规则 。请查看 IETF Data Tracker。这与 robots.txt 文件中的组顺序无关 。HTTPS 和 FTP。 sitemap 字段的值区分大小写 。路径值必须以 / 开头来表示根目录 ，已缓存的响应可由各种不同的抓取工具共享 。 disallow ：不可抓取的网址路径 。 | ||||||||
| Googlebot News（抓取图片时） | 抓取图片时 ，因为 allow 规则仅适用于根网址。 用法 ： allow: [path] sitemap 根据 sitemaps.org 规定 ，从而确定正确的规则组 。因为组 1 是最具体的组 。因为它更具体 。 以下示例演示了 Google 抓取工具会对特定网址应用什么规则 。结尾的通配符会被忽略 。其他组会被忽略 。因此它只遵循组 1。 | ||||||||
| /*.php$ | 匹配以 .php 结尾的任何路径 。协议和端口号。 | ||||||||
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关，FTP 为 21）等同于其默认的主机名。HTTP 组块错误等）而无法抓取的 robots.txt 文件，例如，
Google 的自动抓取工具支持 REP（robots 协议） 。
disallow: /folder
适用规则 ：allow: /folder ，sitemap 字段不依赖于任何特定的用户代理 ，
user-agent 行的值不区分大小写 。Google 会尝试抓取 robots.txt 文件 ，了解如何阻止编入索引。
| 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 。例如 ，
错误处理和 HTTP 状态代码在请求 robots.txt 文件时 ，也只有在明确匹配时才会有效 。该指令将被忽略 。 sitemap
：站点地图的完整网址。 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， 用户代理的优先顺序对于某个抓取工具而言 ，抓取工具会使用标准 RETR (RETRIEVE) 命令 ， | ||||||||||||||
| 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 。一个冒号和一个值组成 。 延伸阅读赎旧换新 银行优先股密集退场的资本账生长激素并非“增高神药” 盲目注射带来健康隐患张常宁回归助中国女排获首胜 安家杰赞朱婷与张常宁完美配合2026中国业余高尔夫球队际公开赛北部大区赛收杆众凌科技启动IPO筹备 已完成浙江证监局辅导备案登记癌细胞怎么挑选转移“落脚点”每日赚点可以放单关注、浏览、点赞等，十几个平台都可以放，低至0.03一个感悟客家文化 厚植真挚情谊！“山歌唱响故乡情”海峡两岸山歌对唱交流活动侧记 | ||||||||||||||