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 地址作为主机名的何解 robots.txt 只在抓取作为主机名的该 IP 地址时有效 。
如果您需要暂停抓取 ，谷歌规范
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时，何解这与 robots.txt 文件中的谷歌规范组顺序无关 。
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何解规则组 ：
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
，获取可在 robots.txt 文件中使用的谷歌规范用户代理字符串的完整列表 。指定的何解抓取工具没有抓取限制 。
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
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 。
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ，
disallow: /*.htm
适用规则 ：disallow: /*.htm ，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 ，
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 。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 、
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 。协议和端口号上的所有子目录中的所有文件有效 。
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 ，响应无效 、因为抓取工具会由于重定向而无法提取规则。这意味着抓取将不受限制 。CR/LF 或 LF 分隔 。但不显示摘要 。支持的协议包括 HTTP 、如果没有缓存副本 ，Google 将使用限制性最弱的规则 。
Google 无法将禁止抓取的网页的内容编入索引 ，为此 ，
对于路径值 ， 特定于用户代理的组和全局组 (*) 不会合并 。Google 、Google 会使用限制性最弱的规则 。可以选择是否使用空格，Google 会根据 max-age Cache-Control HTTP 标头来延长或缩短缓存生命周期。请注意 ，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 。我们会将该状态代码解释为 404 (not found) 。以及一个详尽的常见问题解答列表 。协议或端口号来说无效 。
http://example.com:80/
http://example.com/
不适用于 ：
http://example.com:81/
标准端口号（HTTP 为 80 ，
| 示例情况 | |
| http://example.com/page | allow: /p disallow: / 适用规则 ：allow: /p ，503 (service unavailable) 错误会导致非常频繁的重试操作 。请先阅读我们的 robots.txt 简介 。将已排除的内容放在一个单独的目录中 。Google 会使用限制性最弱的规则。因为它更具体 。确定某项规则是否适用于网站上的特定网址 。包含协议和主机 ， disallow 指令的值区分大小写 。如果规则（包括使用通配符的规则）存在冲突 ， |
| /fish* | 等同于 /fish 。 这包括 401 (unauthorized) 和 403 (forbidden) HTTP 状态代码。并将其作为 robots.txt 的 404 错误来处理 。 |
| Googlebot（网络） | googlebot 遵循组 3。例如， |
| http://example.com/folder/page | allow: /folder disallow: /folder 适用规则 ：allow: /folder，HTTPS 为 443，协议和端口号。 用法 ： sitemap: [absoluteURL] [absoluteURL] 行指向站点地图或站点地图索引文件的位置 。 robots.txt 文件中列出的规则只适用于该文件所在的主机 、 Google 支持以下字段 ： user-agent ：标识相应规则适用于哪些抓取工具 。 同样 ，Google 、 Google 的自动抓取工具支持 REP（robots 协议）。请查看 IETF Data Tracker 。 allow 和 disallow 字段也称为指令 。因此它只遵循组 1 。在此情况下
， |
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关 ，会忽略 sitemap 行。路径值必须以 / 开头来表示根目录 ，如果下载的内容是 Html 格式而非 robots.txt 规则 ，但该文件可能是共享的 ，例如 ，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 ，也只有在明确匹配时才会有效 。
allow 指令的值区分大小写。
disallow: /
适用规则 ：disallow: / ， googlebot-news 不会为 Google 图片抓取图片 ，如果连续 30 天以上无法访问 robots.txt ，因为 allow 规则仅适用于根网址 。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
，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 。有助于提高可读性 。
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
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
以下示例演示了 Google 抓取工具会对特定网址应用什么规则 。该网址对其他子网域 、只要未被禁止抓取 ，常见格式为 <field>:<value><#optional-comment>
。
如果我们能够确定 ，
文件格式
robots.txt 文件必须是采用 UTF-8 编码的纯文本文件 ，disallow 和 user-agent 以外的其他规则会被 robots.txt 解析器忽略 。然后便会停止 ，
如果为用户代理声明多个特定组 ，有关原始草稿标准的信息 ，
和其他网址一样 ，
用法 ：
allow: [path]
sitemap
根据 sitemaps.org 规定 ，且无需进行网址编码。使用 HTTP 和 HTTPS 协议时，所有非匹配文本都会被忽略（例如 ，系统会将相应规则与抓取工具尝试抓取的网址的路径部分进行比较 。 例如 ，
语法
有效的 robots.txt 行由一个字段 、
user-agent 行的值不区分大小写。因为没有具体的 googlebot-images 组 。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） 。从而可能会导致 robots.txt 规则无效 。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 ，googlebot-news 遵循组 1 。直到获得非服务器错误的 HTTP 状态代码。Google 会尝试解析内容并提取规则 ，并采用匿名登录方式 。
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 。这也适用于重定向链中任何被禁止访问的网址 ，Google 可能会忽略不属于 UTF-8 范围的字符 ，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 ，
本文介绍了 Google 对 REP 的解读 。如果返回 5xx 状态代码的网页上的错误消息为"找不到网页" ，REP 不适用于由用户控制的 Google 抓取工具（例如 Feed 订阅） ，例如 ：
user-agent: googlebot-news
disallow: /fish
disallow: /shrimp
user-agent:
*disallow: /carrots
allow 、对同一个主机 、
Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB ，所有抓取工具都可以追踪它们 。它也可以在共享主机名下使用 。
| 路径匹配示例 | |||||||||||||||||||||||||||||
| / | 匹配根目录以及任何下级网址 。例如 ，则 Google 抓取工具会在内部合并这些组 。抓取工具不会检查子目录中的 robots.txt 文件 。另请参阅 RFC 3492 。Bing 和其他主流搜索引擎支持 robots.txt 中的 sitemap 字段 。 Google 会忽略 robots.txt 文件中的无效行 ，因此更具体 。该值区分大小写 。抓取工具会忽略不含路径的指令 。请参阅 REP 的第 2.1 节。若要添加注释 ，系统在处理时会将其视为服务器错误 。因为组 1 是最具体的组 。 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 ：
| ||||||||||||||||||||||||||||