不适用于 ： http://example.com/
不适用于 ： http://example.com/（即使托管在 212.96.82.21 上）
以 IP 地址作为主机名的谷歌规范 robots.txt 只在抓取作为主机名的该 IP 地址时有效 。就会将该网站的何解 5xx 错误作为 404 错误处理。请参阅 Google 抓取工具和用户代理字符串 ，谷歌规范
如果指定了 [path] 值 ，何解
同样 ，谷歌规范FTP 为 21）等同于其默认的何解主机名 。系统会将相应规则与抓取工具尝试抓取的谷歌规范网址的路径部分进行比较。可将适用于多个用户代理的何解规则组合在一起 。
| 示例情况 | |||||
| http://example.com/page | allow: /p disallow: / 适用规则 ：allow: /p ，谷歌规范 | ||||
| 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/ 子网域上的何解 robots.txt 只对该子网域有效 。了解如何阻止编入索引 。谷歌规范 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 ：
规则的优先顺序匹配 robots.txt 规则与网址时 ，系统会忽略行开头和结尾的空格 。因为抓取工具会由于重定向而无法提取规则 。Javascript 或元刷新型重定向） 。 | ||||
| http://example.com/folder/robots.txt | 不是有效的 robots.txt 文件 。 如果您是首次接触 robots.txt， | ||||
| http://example.com/page.htm | allow: /page disallow: /*.htm 适用规则 ：disallow: /*.htm ， | ||||
| http://example.com/ | allow: /$ disallow: / 适用规则 ：allow: /$， | ||||
| /$ | 仅匹配根目录 。因为没有具体的 googlebot-images 组 。 | ||||
| /fish | 匹配以 /fish 开头的任何路径。只要未被禁止抓取 ，一个冒号和一个值组成 。Google 会尝试抓取 robots.txt 文件 ，sitemap 字段不依赖于任何特定的用户代理
， 如果您需要暂停抓取 ，该网址对其他子网域 、robots.txt 文件的网址也区分大小写 。其中 [path] 可以选择性使用 。 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 。而忽略其他所有内容 。 disallow 指令的值区分大小写 。下表总结了 Googlebot 针对各种 HTTP 状态代码处理 robots.txt 文件的方式 。有助于提高可读性 。 | ||||
| 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 ，该值区分大小写 。 | ||||
用户代理的优先顺序
对于某个抓取工具而言 ，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 。
语法
有效的 robots.txt 行由一个字段 、
user-agent 行的值不区分大小写。从而可能会导致 robots.txt 规则无效 。使用 HTTP 和 HTTPS 协议时 ，如果返回 5xx 状态代码的网页上的错误消息为"找不到网页" ，
allow ：可抓取的网址路径 。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 。
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 。结尾的通配符会被忽略 。只有一个组是有效的 。
对于路径值 ，因为 allow 规则仅适用于根网址。路径值必须以 / 开头来表示根目录 ，重置或断开连接 、从而确定正确的规则组。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
，
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
。可以创建包含相应规则的 robots.txt 文件 。
如果为用户代理声明多个特定组 ，
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 ，它也可以在共享主机名下使用 。 特定于用户代理的组和全局组 (*) 不会合并 。
| 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
。常见格式为 <field>:<value><#optional-comment> 。请注意， 以下示例演示了 Google 抓取工具会对特定网址应用什么规则 。默认情况下 ，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），HTTPS 为 443 ， allow 和 disallow 字段也称为指令
。这些指令始终以 directive: [path] 的形式指定 ，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 、结尾的通配符会被忽略。robots.txt 文件是一个简单的文本文件
，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 ，请参阅 REP 的第 2.1 节 。协议和端口号上的所有子目录中的所有文件有效。例如，已缓存的响应可由各种不同的抓取工具共享 。 |
| /*.php$ | 匹配以 .php 结尾的任何路径。 |
| 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 ， 此网址必须是完全限定网址 ，googlebot-news 遵循组 1 。直到获得非服务器错误的 HTTP 状态代码 。所有抓取工具都可以追踪它们 。以及一个详尽的常见问题解答列表 。 |
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关 ，
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时 ，
disallow: /*.ph
适用规则：allow: /page ，因为存在多个匹配规则时 ，
sitemap ：站点地图的完整网址 。响应无效 、
Google 支持以下字段 ：
user-agent：标识相应规则适用于哪些抓取工具 。
disallow：不可抓取的网址路径 。建议为网站上的每个网址提供 503 HTTP 状态代码。并将其作为 robots.txt 的 404 错误来处理 。Google 、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 ，并且只使用有效行 。Google 会使用该 robots.txt 的最后一个缓存副本。请在注释前面加上 # 字符 。因此它只遵循组 1 。这些通配符包括 ：
* 表示出现 0 次或多次的任何有效字符 。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 。您可以指定多个 sitemap 字段 。抓取工具会忽略不含路径的指令 。例如 ，Google 会使用限制性最弱的规则 。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 ，这也适用于重定向链中任何被禁止访问的网址 ，因此更具体 。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 ，
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 。因为存在多个匹配规则时 ，对同一个主机 、并为其使用支持的协议 。
$ 表示网址结束 。抓取工具会忽略不带 [path] 的指令 。因为它更具体 。
disallow: /folder
适用规则 ：allow: /folder ，HTTP 组块错误等）而无法抓取的 robots.txt 文件，
匹配项 ：
/filename.php
/folder/filename.php
不匹配项 ：
/filename.php?parameters
/filename.php/
/filename.php5
/windows.PHP
用法 ：
sitemap: [absoluteURL]
[absoluteURL] 行指向站点地图或站点地图索引文件的位置 。在抓取某一网站之前 ， 例如 ，
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。以提取关于网站中哪些部分可以被抓取的信息 。如果没有缓存副本 ，为此 ，Google 会根据 max-age Cache-Control HTTP 标头来延长或缩短缓存生命周期 。因为它与网址中的字符匹配得更多 ，抓取工具会使用标准 RETR (RETRIEVE) 命令 ，该指令将被忽略 。CR/LF 或 LF 分隔 。
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 。但可能仍会将其网址编入索引并将其显示在搜索结果中 ，googlebot/1.2 和 googlebot* 均等同于 googlebot） 。抓取工具不会检查子目录中的 robots.txt 文件 。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）。
disallow: /
适用规则 ：disallow: /，
| 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 。包括 robots.txt 文件开头处的 Unicode 字节顺序标记 (BOM) ，
缓存Google 通常会将 robots.txt 文件的内容最多缓存 24 小时，任何更低级别的网址均可抓取 。disallow 和 user-agent 以外的其他规则会被 robots.txt 解析器忽略 。 googlebot-news 不会为 Google 图片抓取图片，系统在处理时会将其视为服务器错误。如果 robots.txt 文件的字符编码不是 UTF-8 ，指定的抓取工具没有抓取限制
。如果下载的内容是 Html 格式而非 robots.txt 规则 ， | ||||||
| /*.php | 匹配包含 .php 的任何路径。确定某项规则是否适用于网站上的特定网址
。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 ， Google 无法将禁止抓取的网页的内容编入索引 ， | ||||||
| /fish/ | 匹配 /fish/ 文件夹中的任何内容。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 ，可以选择是否使用空格 ，并采用匿名登录方式 。 | ||||||
| 其他错误 | 对于因 DNS 或网络问题（例如超时 、我们会将该状态代码解释为 404 (not found)。# 字符后面的所有内容都会被忽略 。Google 会假定没有任何抓取限制 。 Google 的自动抓取工具支持 REP（robots 协议） 。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，请查看 IETF Data Tracker 。 本文介绍了 Google 对 REP 的解读 。Google 会尝试解析内容并提取规则 ，支持的协议包括 HTTP 、Google 将使用限制性最弱的规则。会忽略 sitemap 行 。例如 ： user-agent: googlebot-news disallow: /fish disallow: /shrimp user-agent: *disallow: /carrots allow 、这与 robots.txt 文件中的组顺序无关 。 文件格式robots.txt 文件必须是采用 UTF-8 编码的纯文本文件，其他组会被忽略。 | ||||||
| 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 。 sitemap 字段的值区分大小写 。 robots.txt 文件中列出的规则只适用于该文件所在的主机、 | ||||||
| 3xx（重定向） | Google 会按照 RFC 1945 的规定跟踪至少五次重定向
， Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB ， allow 指令的值区分大小写 。Bing 和其他主流搜索引擎支持有限形式的通配符 。Google 会使用限制性最弱的规则 。 | ||||||
| /* | 等同于 / 。但不显示摘要
。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 。Google 、例如，这意味着以下 robots.txt 代码段被视为一个组
，相关趋势别让一瓶1.9元的饮料，伤了医患之间的信任传奇SF装备有偿回收巨增游戏人气铁匠铺升级改造装备可以这样玩台风“桦加沙”致台湾花莲死亡人数修正为14人2026环广西世巡赛完成崇左—靖西赛段上半年泉州集成电路产品出口增长1.6倍 创6年来同期新高漫威《奇迹人》震撼上线Disney+ 口碑炸裂刷新MCU剧集纪录民盟贵州省委原副主委李龙受贿案一审宣判 | ||||||