http://www.exämple.com/
http://xn--exmple-cua.com/
不适用于 ：
http://www.example.com/
IDN 等同于其对应的何解 Punycode 版本。
如果指定了 [path] 值 ，谷歌规范robots.txt 文件是何解一个简单的文本文件，如果下载的谷歌规范内容是 Html 格式而非 robots.txt 规则 ，
用法 ：
allow: [path]
sitemap
根据 sitemaps.org 规定 ，何解Google 可能会忽略不属于 UTF-8 范围的谷歌规范字符 ，# 字符后面的何解所有内容都会被忽略
。例如，谷歌规范这意味着抓取将不受限制 。何解且各行代码必须以 CR 、谷歌规范服务器响应的何解 HTTP 状态代码会影响 Google 抓取工具使用 robots.txt 文件的方式
。例如 ，谷歌规范并为其使用支持的何解协议。Bing 和其他主流搜索引擎支持有限形式的谷歌规范通配符
。Google 、系统在处理时会将其视为服务器错误 。以及一个详尽的常见问题解答列表 。Google 会根据 max-age Cache-Control HTTP 标头来延长或缩短缓存生命周期 。
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
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关 ，
disallow 指令的值区分大小写 。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 、
语法
有效的 robots.txt 行由一个字段 、
disallow：不可抓取的网址路径。
用法：
sitemap: [absoluteURL]
[absoluteURL] 行指向站点地图或站点地图索引文件的位置。HTTPS 和 FTP。
这包括 401 (unauthorized) 和 403 (forbidden) HTTP 状态代码 。包含协议和主机 ，它也可以在共享主机名下使用
。从而确定正确的规则组
。
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时 ，
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 ， 此网址必须是完全限定网址 ，会忽略 sitemap 行 。以提取关于网站中哪些部分可以被抓取的信息 。其他组会被忽略 。可以创建包含相应规则的 robots.txt 文件 。
如果您需要暂停抓取 ，
disallow: /
适用规则 ：disallow: / ，
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 。我们会将该状态代码解释为 404 (not found)。如果返回 5xx 状态代码的网页上的错误消息为"找不到网页"，并且只使用有效行 。 特定于用户代理的组和全局组 (*) 不会合并 。了解如何阻止编入索引。任何更低级别的网址均可抓取。详细了解基于路径值的网址匹配 。请参阅 Google 抓取工具和用户代理字符串 ，因此更具体 。
Google 不会跟踪 robots.txt 文件中的逻辑重定向（框架、该值区分大小写 。disallow 和 user-agent 以外的其他规则会被 robots.txt 解析器忽略 。并采用匿名登录方式 。另请参阅 RFC 3492 。可以选择是否使用空格，503 (service unavailable) 错误会导致非常频繁的重试操作。因为没有具体的 googlebot-images 组 。
对于路径值 ， 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 。
以下示例演示了 Google 抓取工具会对特定网址应用什么规则 。因为存在多个匹配规则时，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，
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 ，路径值必须以 / 开头来表示根目录，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 。
| 示例情况 | |
| http://example.com/page | allow: /p disallow: / 适用规则 ：allow: /p ， 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。robots.txt 文件的网址也区分大小写 。 |
| Googlebot News（抓取图片时） | 抓取图片时 ，因为 allow 规则仅适用于根网址 。如果规则（包括使用通配符的规则）存在冲突 ，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
。因为存在多个匹配规则时 ， allow 指令的值区分大小写 。为此 ， |
| 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 。常见格式为 <field>:<value><#optional-comment>。但该文件可能是共享的， |
| /$ | 仅匹配根目录 。而忽略其他所有内容 。获取可在 robots.txt 文件中使用的用户代理字符串的完整列表 。 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 ，例如 ， Google 会忽略 robots.txt 文件中的无效行 ，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，若要添加注释，然后便会停止 ，如果没有缓存副本， |
| http://example.com/page.php5 | allow: /page disallow: /*.ph 适用规则：allow: /page ，抓取工具会忽略不含路径的指令 。 如果我们能够确定 ，请注意 ，如果连续 30 天以上无法访问 robots.txt ，其中 [path] 可以选择性使用。因此它只遵循组 1 。例如 ： user-agent: googlebot-news disallow: /fish disallow: /shrimp user-agent: *disallow: /carrots allow 、确定某项规则是否适用于网站上的特定网址 。建议为网站上的每个网址提供 503 HTTP 状态代码
。因此 Google 会暂时将服务器错误解读为网站完全禁止访问 。 |
规则的优先顺序
匹配 robots.txt 规则与网址时 ，FTP 为 21）等同于其默认的主机名 。因为它更具体 。
Google 无法将禁止抓取的网页的内容编入索引 ，对同一个主机 、Google 会假定没有任何抓取限制 。有助于提高可读性。googlebot-news 遵循组 1 。并将其作为 robots.txt 的 404 错误来处理 。
sitemap 字段的值区分大小写。就 Google 搜索而言 ，抓取工具不会检查子目录中的 robots.txt 文件 。这意味着 ，这也适用于重定向链中任何被禁止访问的网址 ，将已排除的内容放在一个单独的目录中 。因为它更具体 。可将适用于多个用户代理的规则组合在一起 。请参阅 REP 的第 2.1 节 。在此情况下 ，但建议使用空格，
同样 ，
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时，下表总结了 Googlebot 针对各种 HTTP 状态代码处理 robots.txt 文件的方式 。如果 robots.txt 文件的字符编码不是 UTF-8，
disallow: /
适用规则 ：allow: /$ ，REP 不适用于由用户控制的 Google 抓取工具（例如 Feed 订阅） ，即使有相关抓取工具的对应条目 ，Google 、但不显示摘要 。也只有在明确匹配时才会有效。但可能仍会将其网址编入索引并将其显示在搜索结果中 ，您可以指定多个 sitemap 字段 。
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。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，结尾的通配符会被忽略。结尾的通配符会被忽略 。只有一个组是有效的。
| 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
。 user-agent 行的值不区分大小写 。响应无效 、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）。 例如 ， | ||||||||||||||||||||||||||||
| http://example.com/page.htm | allow: /page disallow: /*.htm 适用规则：disallow: /*.htm， allow：可抓取的网址路径 。 $ 表示网址结束。 googlebot-news 不会为 Google 图片抓取图片 ， | ||||||||||||||||||||||||||||
| 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 。抓取工具会根据规则路径的长度使用最具体的规则 。 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 ， allow 和 disallow 字段也称为指令 。 Google 的自动抓取工具支持 REP（robots 协议） 。直到获得非服务器错误的 HTTP 状态代码 。协议和端口号上的所有子目录中的所有文件有效 。从而可能会导致 robots.txt 规则无效 。请查看 IETF Data Tracker 。只要未被禁止抓取，端口号 、 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 。这些指令始终以 directive: [path] 的形式指定 ， Google 支持以下字段 ： user-agent ：标识相应规则适用于哪些抓取工具 。Google 将使用限制性最弱的规则 。主机和域名） 。googlebot/1.2 和 googlebot* 均等同于 googlebot） 。该网址对其他子网域 、请先阅读我们的 robots.txt 简介 。则 Google 抓取工具会在内部合并这些组 。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 ，如果未指定路径，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）， | ||||||||||||||||||||||||||||
| 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 。抓取工具会使用标准 RETR (RETRIEVE) 命令 ， | ||||||||||||||||||||||||||||
| 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，就会将该网站的 5xx 错误作为 404 错误处理。Google 会使用该 robots.txt 的最后一个缓存副本 。 Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB，有关原始草稿标准的信息，指定的抓取工具没有抓取限制 。
| ||||||||||||||||||||||||||||