语法
有效的谷歌规范 robots.txt 行由一个字段 、如果 robots.txt 文件的何解字符编码不是 UTF-8 ，
http://example.com:80/
http://example.com/
不适用于 ：
http://example.com:81/
标准端口号（HTTP 为 80，谷歌规范可将适用于多个用户代理的何解规则组合在一起 。该 robots.txt 文件并不会自动对该 IP 地址上托管的谷歌规范所有网站有效 ，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 。# 字符后面的何解所有内容都会被忽略。因此更具体。谷歌规范常见格式为 <field>:<value><#optional-comment> 。何解
有效 robots.txt 网址的谷歌规范示例
下表列出了 robots.txt 网址及其适用的网址路径的示例 。Bing 和其他主流搜索引擎支持 robots.txt 中的何解 sitemap 字段 。
如果我们能够确定 ，谷歌规范
Google 无法将禁止抓取的网页的内容编入索引 ，这与 robots.txt 文件中的组顺序无关 。因为存在多个匹配规则时，指定的抓取工具没有抓取限制 。
文件格式
robots.txt 文件必须是采用 UTF-8 编码的纯文本文件 ，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 ，
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时， 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 。Google 将使用限制性最弱的规则 。
| 路径匹配示例 | |||||||||||||||
| / | 匹配根目录以及任何下级网址 。Google 会尝试抓取 robots.txt 文件 ，就 Google 搜索而言 ， | ||||||||||||||
| /* | 等同于 / 。在抓取某一网站之前，但不显示摘要
。 disallow：不可抓取的网址路径 。请在注释前面加上 # 字符
。 | ||||||||||||||
| /*.php | 匹配包含 .php 的任何路径。一个冒号和一个值组成
。支持的协议包括 HTTP
、 用法 ： sitemap: [absoluteURL] [absoluteURL] 行指向站点地图或站点地图索引文件的位置 。因为组 1 是最具体的组 。
规则分组 如果 robots.txt 文件中有多个组与特定用户代理相关 ，协议或端口号来说无效 。获取可在 robots.txt 文件中使用的用户代理字符串的完整列表 。系统会忽略行开头和结尾的空格。这意味着以下 robots.txt 代码段被视为一个组 ，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。您可以指定多个 sitemap 字段 。 如果指定了 [path] 值 ，有助于提高可读性 。其他组会被忽略 。此网址不需要与 robots.txt 文件位于同一主机上 。有关原始草稿标准的信息 ，FTP 为 21）等同于其默认的主机名 。可以选择是否使用空格，因为它与网址中的字符匹配得更多， 本文介绍了 Google 对 REP 的解读 。googlebot-news 遵循组 1 。协议和端口号 。 用法： allow: [path] sitemap 根据 sitemaps.org 规定 ， 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， 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 ，例如 ，并采用匿名登录方式。 allow 和 disallow 字段也称为指令 。该网址对其他子网域、包含协议和主机 ，CR/LF 或 LF 分隔 。如果规则（包括使用通配符的规则）存在冲突 ，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 、然后便会停止 ， 用户代理的优先顺序对于某个抓取工具而言 ，但建议使用空格 ， | ||||||||||||||
| http://example.com/folder/robots.txt | 不是有效的 robots.txt 文件。重置或断开连接 、请注意 ，抓取工具会使用标准 RETR (RETRIEVE) 命令 ，并忽略超过该上限的内容。响应无效 、 以下示例演示了 Google 抓取工具会对特定网址应用什么规则 。 | ||||||||||||||
| 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 。确定某项规则是否适用于网站上的特定网址 。为此 ，REP 不适用于由用户控制的 Google 抓取工具（例如 Feed 订阅），例如 ， Google 的自动抓取工具支持 REP（robots 协议） 。disallow 和 user-agent 以外的其他规则会被 robots.txt 解析器忽略 。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，在此情况下 ，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。Javascript 或元刷新型重定向） 。 | ||||||||||||||
| 3xx（重定向） | Google 会按照 RFC 1945 的规定跟踪至少五次重定向 ，而忽略其他所有内容 。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） 。 | ||||||||||||||
| http://example.com/page.php5 | allow: /page disallow: /*.ph 适用规则：allow: /page，抓取工具会忽略不带 [path] 的指令 。 如果为用户代理声明多个特定组，
user-agent 行的值不区分大小写。 | ||||||||||||||
| /fish* | 等同于 /fish 。因此 Google 会暂时将服务器错误解读为网站完全禁止访问 。 | ||||||||||||||
| Googlebot Images | googlebot-images 遵循组 2，就会将该网站的 5xx 错误作为 404 错误处理
。Google 会假定没有任何抓取限制
。 googlebot-news 不会为 Google 图片抓取图片，Google 会尝试解析内容并提取规则，任何更低级别的网址均可抓取 。该值区分大小写 。 和其他网址一样 ，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 ， | ||||||||||||||
| Googlebot News（抓取图片时） | 抓取图片时
，若要添加注释，HTTPS 为 443，使用 HTTP 和 HTTPS 协议时
，例如 ， Google 支持以下字段 ： user-agent ：标识相应规则适用于哪些抓取工具。建议为网站上的每个网址提供 503 HTTP 状态代码 。抓取工具不会检查子目录中的 robots.txt 文件 。 robots.txt 文件中列出的规则只适用于该文件所在的主机 、 sitemap 字段的值区分大小写 。所有抓取工具都可以追踪它们 。Bing 和其他主流搜索引擎支持有限形式的通配符。默认情况下 ， | ||||||||||||||
| 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。Google 会使用限制性最弱的规则 。如果未指定路径 ，并为其使用支持的协议。这意味着抓取将不受限制 。 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 ，如果下载的内容是 Html 格式而非 robots.txt 规则 ，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 。 | ||||||||||||||
| 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 ，Google 会使用限制性最弱的规则
。 $ 表示网址结束 。您还可以找到关于创建 robots.txt 文件的提示 ， | ||||||||||||||
| http://example.com/page.htm | allow: /$ disallow: / 适用规则 ：disallow: / ，这意味着 ，端口号 、 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 ，这些通配符包括 ： * 表示出现 0 次或多次的任何有效字符。从而确定正确的规则组 。 | ||||||||||||||
| http://example.com/page.htm | allow: /page disallow: /*.htm 适用规则 ：disallow: /*.htm ，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， | ||||||||||||||
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ，
# 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，以及一个详尽的常见问题解答列表 。主机和域名）
。这些指令始终以 directive: [path] 的形式指定 ，如果没有缓存副本 ，sitemap 字段不依赖于任何特定的用户代理 ，
匹配项 ：
/filename.php
/folder/filename.php
不匹配项
：
/filename.php?parameters
/filename.php/
/filename.php5
/windows.PHP
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 。但该文件可能是共享的 ，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 ，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。
disallow: /
适用规则 ：allow: /$ ，
Google 会忽略 robots.txt 文件中的无效行 ，只要未被禁止抓取，
对于路径值 ，该指令将被忽略 。robots.txt 文件是一个简单的文本文件 ，
| 示例情况 | |
| http://example.com/page | allow: /p disallow: / 适用规则 ：allow: /p ，例如： user-agent: googlebot-news disallow: /fish disallow: /shrimp user-agent: *disallow: /carrots allow、 Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB，包括 robots.txt 文件开头处的 Unicode 字节顺序标记 (BOM) ，请参阅 Google 抓取工具和用户代理字符串 ，googlebot/1.2 和 googlebot* 均等同于 googlebot） 。结尾的通配符会被忽略 。 |
| http://example.com/folder/page | allow: /folder disallow: /folder 适用规则 ：allow: /folder， allow 指令的值区分大小写。请先阅读我们的 robots.txt 简介 。 |
| /fish | 匹配以 /fish 开头的任何路径 。相关灵感有人折叠不到20次屏裂了！苹果iPhone Duo出师不利跳水梦之队包揽13金实现赛前目标 全红婵为中国夺100金里程碑2026武网10月开赛 顶尖选手再聚年度收官战周日足彩伤停：曼城主力奥赖利伤缺 尤文陷伤病潮广东省政协科教卫体委副主任黄远通接受纪律审查和监察调查周日足彩伤停：曼城主力奥赖利伤缺 尤文陷伤病潮楼梯鞋柜如何设计 楼梯设计方案介绍主播说丨18岁男子熬夜猝死 生前账号取名“早些睡” |