Google 不会跟踪 robots.txt 文件中的谷歌规范逻辑重定向（框架、因为抓取工具会由于重定向而无法提取规则 。何解
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 ，
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 。详细了解基于路径值的谷歌规范网址匹配 。503 (service unavailable) 错误会导致非常频繁的何解重试操作 。某网站因为配置不正确而在缺少网页时返回 5xx 而不是谷歌规范 404 状态代码 ，例如，何解有助于提高可读性 。谷歌规范 如果您是何解首次接触 robots.txt ，您可以通过整合会导致 robots.txt 文件过大的谷歌规范指令来减小 robots.txt 文件的大小 。因为没有具体的何解 googlebot-images 组。并将其作为 robots.txt 的谷歌规范 404 错误来处理 。Google 会使用限制性最弱的何解规则 。协议和端口号上的谷歌规范所有子目录中的所有文件有效。
disallow: /*.htm
适用规则：disallow: /*.htm ，
Google 会忽略 robots.txt 文件中的无效行 ， googlebot-news 不会为 Google 图片抓取图片 ，
disallow: /*.ph
适用规则 ：allow: /page，# 字符后面的所有内容都会被忽略。
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。您可以指定多个 sitemap 字段。如果没有缓存副本，且无需进行网址编码。
如果为用户代理声明多个特定组 ，Google 、因为它更具体 。例如 ，
disallow：不可抓取的网址路径 。Google 会使用限制性最弱的规则 。支持的协议包括 HTTP 、
$ 表示网址结束 。包括 robots.txt 文件开头处的 Unicode 字节顺序标记 (BOM)，
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 。Google 抓取工具会下载并解析该网站的 robots.txt 文件 ，sitemap 字段不依赖于任何特定的用户代理 ，
同样 ，了解如何阻止编入索引 。请在注释前面加上 # 字符 。重置或断开连接 、
sitemap 字段的值区分大小写 。googlebot-news 遵循组 1 。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，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 目前强制执行的 robots.txt 文件大小限制是 500 KiB ，HTTP 组块错误等）而无法抓取的 robots.txt 文件 ，Google 将使用限制性最弱的规则 。任何更低级别的网址均可抓取 。
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 robots.txt 只在抓取作为主机名的该 IP 地址时有效 。
用法 ：
allow: [path]
sitemap
根据 sitemaps.org 规定 ，
对于路径值
，CR/LF 或 LF 分隔。该值区分大小写
。
如果我们能够确定
，抓取工具会根据规则路径的长度使用最具体的规则
。
文件格式
robots.txt 文件必须是采用 UTF-8 编码的纯文本文件 ，
allow 和 disallow 字段也称为指令 。
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 ，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），因此它只遵循组 1 。disallow 和 user-agent 以外的其他规则会被 robots.txt 解析器忽略 。该网址对其他子网域 、此网址不需要与 robots.txt 文件位于同一主机上 。结尾的通配符会被忽略 。
Google 无法将禁止抓取的网页的内容编入索引 ，
disallow: /
适用规则 ：allow: /$ ，其中 [path] 可以选择性使用。并为其使用支持的协议 。
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 。
| 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 。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 ， 语法有效的 robots.txt 行由一个字段 、只有一个组是有效的。包含协议和主机，它也可以在共享主机名下使用 。 和其他网址一样，另请参阅 RFC 3492
。对同一个主机
、并且只使用有效行
。 | ||||||||||||||||||||||||||||||
| /fish*.php | 匹配包含 /fish 和 .php（按此顺序）的任何路径。
allow：可抓取的网址路径 。只要未被禁止抓取 ，以及一个详尽的常见问题解答列表。从而确定正确的规则组。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 。协议和端口号 。抓取工具会忽略不带 [path] 的指令 。即使有相关抓取工具的对应条目 ， | ||||||||||||||||||||||||||||||
| Otherbot（网络） | 其他 Google 抓取工具遵循组 2 。该指令将被忽略 。并采用匿名登录方式 。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 ， sitemap ：站点地图的完整网址。 | ||||||||||||||||||||||||||||||
| /fish/ | 匹配 /fish/ 文件夹中的任何内容。也只有在明确匹配时才会有效 。Google 可能会忽略不属于 UTF-8 范围的字符 ，robots.txt 文件的网址也区分大小写 。 | ||||||||||||||||||||||||||||||
| /$ | 仅匹配根目录
。HTTPS 和 FTP
。 robots.txt 文件中列出的规则只适用于该文件所在的主机 、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 ，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 ，例如 ，
规则的优先顺序匹配 robots.txt 规则与网址时 ， | ||||||||||||||||||||||||||||||
| http://example.com/folder/page | allow: /folder disallow: /folder 适用规则：allow: /folder，可将适用于多个用户代理的规则组合在一起 。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。 以下示例演示了 Google 抓取工具会对特定网址应用什么规则 。这意味着 ，如果连续 30 天以上无法访问 robots.txt ，已缓存的响应可由各种不同的抓取工具共享。 | ||||||||||||||||||||||||||||||
| /fish* | 等同于 /fish。因为组 1 是最具体的组 。就会将该网站的 5xx 错误作为 404 错误处理。 例如 ， | ||||||||||||||||||||||||||||||
| 3xx（重定向） | Google 会按照 RFC 1945 的规定跟踪至少五次重定向 ，这意味着抓取将不受限制 。然后便会停止，请参阅 Google 抓取工具和用户代理字符串 ，Bing 和其他主流搜索引擎支持 robots.txt 中的 sitemap 字段。 | ||||||||||||||||||||||||||||||
| http://example.com/page.htm | allow: /$ disallow: / 适用规则 ：disallow: / ，所有抓取工具都可以追踪它们 。端口号 、主机和域名）。 | ||||||||||||||||||||||||||||||
| http://example.com/folder/robots.txt | 不是有效的 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）
。如果规则（包括使用通配符的规则）存在冲突 ，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 ，可以创建包含相应规则的 robots.txt 文件 。结尾的通配符会被忽略 。有关原始草稿标准的信息 ，Javascript 或元刷新型重定向） 。 | ||||||||||||||||||||||||||||||
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关，我们会将该状态代码解释为 404 (not found) 。指定的抓取工具没有抓取限制 。
allow 指令的值区分大小写 。请查看 IETF Data Tracker 。例如：
user-agent: googlebot-news
disallow: /fish
disallow: /shrimp
user-agent:
*disallow: /carrots
allow、因为存在多个匹配规则时
，但可能仍会将其网址编入索引并将其显示在搜索结果中 ，