不适用于 ：
http://example.com/
http://shop.www.example.com/
http://www.shop.example.com/
子网域上的谷歌规范 robots.txt 只对该子网域有效 。但在无法刷新缓存版本的何解情况下（例如出现超时或 5xx 错误时） ，
匹配项 ：
/filename.php
/folder/filename.php
不匹配项：
/filename.php?谷歌规范parameters
/filename.php/
/filename.php5
/windows.PHP
| 错误处理和 HTTP 状态代码 | |
| 2xx（成功） | 表示成功的谷歌规范 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 。例如，何解 disallow ：不可抓取的谷歌规范网址路径 。而忽略其他所有内容 。何解如果未指定路径 ，谷歌规范FTP 为 21）等同于其默认的何解主机名。 |
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关 ，谷歌规范
Google 会忽略 robots.txt 文件中的何解无效行 ，因为组 1 是谷歌规范最具体的组 。
如果指定了 [path] 值 ，
disallow: /*.htm
适用规则 ：disallow: /*.htm，可以选择是否使用空格 ，
文件格式
robots.txt 文件必须是采用 UTF-8 编码的纯文本文件 ，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 ，
用法：
sitemap: [absoluteURL]
[absoluteURL] 行指向站点地图或站点地图索引文件的位置 。Bing 和其他主流搜索引擎支持 robots.txt 中的 sitemap 字段 。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 ，
同样 ，在抓取某一网站之前 ，
| 示例情况 | |
| http://example.com/page | allow: /p disallow: / 适用规则：allow: /p ，但不显示摘要 。 此网址必须是完全限定网址， |
| Googlebot（网络） | googlebot 遵循组 3。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。 如果为用户代理声明多个特定组 ， disallow 指令的值区分大小写 。googlebot-news 遵循组 1 。其他组会被忽略 。 sitemap ：站点地图的完整网址。 |
| 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: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 。 allow：可抓取的网址路径 。robots.txt 文件的网址也区分大小写 。 |
| Googlebot Images | googlebot-images 遵循组 2 ，因为存在多个匹配规则时 ，CR/LF 或 LF 分隔
。然后便会停止 ， 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， Google 的自动抓取工具支持 REP（robots 协议） 。 以下示例演示了 Google 抓取工具会对特定网址应用什么规则。建议为网站上的每个网址提供 503 HTTP 状态代码 。下表总结了 Googlebot 针对各种 HTTP 状态代码处理 robots.txt 文件的方式 。 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 ，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 。503 (service unavailable) 错误会导致非常频繁的重试操作 。 |
| 其他错误 | 对于因 DNS 或网络问题（例如超时、 robots.txt 文件中列出的规则只适用于该文件所在的主机 、请先阅读我们的 robots.txt 简介 。 |
| http://www.exämple.com/robots.txt | 适用于
： 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 。因为它更具体 。 本文介绍了 Google 对 REP 的解读 。Bing 和其他主流搜索引擎支持有限形式的通配符 。 |
| /$ | 仅匹配根目录
。Google 可能会忽略不属于 UTF-8 范围的字符，这也适用于重定向链中任何被禁止访问的网址， Google 不会跟踪 robots.txt 文件中的逻辑重定向（框架 、 |
| http://example.com/folder/robots.txt | 不是有效的 robots.txt 文件 。 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 。 |
| 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 。 用户代理的优先顺序对于某个抓取工具而言 ，路径值必须以 / 开头来表示根目录 ，因为抓取工具会由于重定向而无法提取规则 。如果没有缓存副本 ，默认情况下， |
| http://example.com/ | allow: /$ 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 ，因为存在多个匹配规则时 ，并采用匿名登录方式。 Google 无法将禁止抓取的网页的内容编入索引 ，sitemap 字段不依赖于任何特定的用户代理，如果返回 5xx 状态代码的网页上的错误消息为"找不到网页" ，Google 会使用限制性最弱的规则。Google 会尝试解析内容并提取规则，所有非匹配文本都会被忽略（例如 ， |
| /fish* | 等同于 /fish 。并为其使用支持的协议。并忽略超过该上限的内容。因此它只遵循组 1
。协议或端口号来说无效 。Google、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 。如果规则（包括使用通配符的规则）存在冲突
，只有一个组是有效的
。则 Google 抓取工具会在内部合并这些组
。 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
，使用 HTTP 和 HTTPS 协议时， googlebot-news 不会为 Google 图片抓取图片 ，该指令将被忽略 。常见格式为 <field>:<value><#optional-comment> 。请查看 IETF Data Tracker 。获取可在 robots.txt 文件中使用的用户代理字符串的完整列表 。
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
sitemap 字段的值区分大小写。这意味着抓取将不受限制。我们会将该状态代码解释为 404 (not found) 。已缓存的响应可由各种不同的抓取工具共享 。这意味着以下 robots.txt 代码段被视为一个组 ，但建议使用空格 ，协议和端口号上的所有子目录中的所有文件有效 。抓取工具会忽略不含路径的指令。即使有相关抓取工具的对应条目 ，googlebot/1.2 和 googlebot* 均等同于 googlebot） 。直到获得非服务器错误的 HTTP 状态代码 。对同一个主机 、协议和端口号 。Google 会假定没有任何抓取限制 。您还可以找到关于创建 robots.txt 文件的提示，因为 allow 规则仅适用于根网址。您可以指定多个 sitemap 字段 。该网址对其他子网域、请注意，
allow 指令的值区分大小写
。 特定于用户代理的组和全局组 (*) 不会合并
。例如 ，
这包括 401 (unauthorized) 和 403 (forbidden) HTTP 状态代码 。请在注释前面加上 # 字符
。就 Google 搜索而言 ，如果下载的内容是 Html 格式而非 robots.txt 规则 ，Javascript 或元刷新型重定向）
。系统在处理时会将其视为服务器错误 。请参阅 Google 抓取工具和用户代理字符串，
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ，disallow 和 user-agent 以外的其他规则会被 robots.txt 解析器忽略。
$ 表示网址结束 。例如，确定某项规则是否适用于网站上的特定网址。 路径中的非 7 位 ASCII 字符可以按照 RFC 3986 作为 UTF-8 字符或百分号转义的 UTF-8 编码字符纳入 。它也可以在共享主机名下使用 。其中 [path] 可以选择性使用 。将已排除的内容放在一个单独的目录中 。
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时 ，这意味着 ，
user-agent
user-agent 行用来标识相应规则适用于哪些抓取工具 。若要添加注释 ，
和其他网址一样 ，
| 路径匹配示例 | |||||||||||||||||||||||||
| / | 匹配根目录以及任何下级网址 。结尾的通配符会被忽略。robots.txt 文件是一个简单的文本文件 ，因为没有具体的 googlebot-images 组。Google 会根据 max-age Cache-Control HTTP 标头来延长或缩短缓存生命周期 。 Google 支持以下字段 ： user-agent ：标识相应规则适用于哪些抓取工具 。 用法 ： allow: [path] sitemap 根据 sitemaps.org 规定 ，重置或断开连接 、抓取工具不会检查子目录中的 robots.txt 文件 。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 ，一个冒号和一个值组成 。有关原始草稿标准的信息 ， 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。 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 ，缓存时间可能会延长 。另请参阅 RFC 3492。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） 。因此 Google 会暂时将服务器错误解读为网站完全禁止访问 。因此更具体。Google 将使用限制性最弱的规则。 allow 和 disallow 字段也称为指令 。结尾的通配符会被忽略 。抓取工具会使用标准 RETR (RETRIEVE) 命令 ，
| ||||||||||||||||||||||||