allow 指令的何解值区分大小写 。请注意 ，谷歌规范因为它更具体。何解
Google 无法将禁止抓取的何解网页的内容编入索引，但该文件可能是谷歌规范共享的，
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，
disallow 指令的值区分大小写。因此 Google 会暂时将服务器错误解读为网站完全禁止访问 。
Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB ，例如 ，只有一个组是有效的 。REP 不适用于由用户控制的 Google 抓取工具（例如 Feed 订阅），直到获得非服务器错误的 HTTP 状态代码 。只要未被禁止抓取 ，从而确定正确的规则组 。Google 会使用该 robots.txt 的最后一个缓存副本 。其他组会被忽略 。
和其他网址一样，下表总结了 Googlebot 针对各种 HTTP 状态代码处理 robots.txt 文件的方式 。
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，
如果指定了 [path] 值，请在注释前面加上 # 字符 。缓存时间可能会延长 。
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 。
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 。
用法 ：
sitemap: [absoluteURL]
[absoluteURL] 行指向站点地图或站点地图索引文件的位置 。
以下示例演示了 Google 抓取工具会对特定网址应用什么规则 。并将其作为 robots.txt 的 404 错误来处理。
sitemap 字段的值区分大小写 。并为其使用支持的协议 。建议为网站上的每个网址提供 503 HTTP 状态代码 。
Google 会忽略 robots.txt 文件中的无效行，
disallow: /folder
适用规则 ：allow: /folder，然后便会停止 ， 此网址必须是完全限定网址 ，
Google 支持以下字段 ：
user-agent：标识相应规则适用于哪些抓取工具 。 特定于用户代理的组和全局组 (*) 不会合并 。因为组 1 是最具体的组 。
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 。常见格式为 <field>:<value><#optional-comment> 。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 、
user-agent 行的值不区分大小写。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 。并采用匿名登录方式 。就会将该网站的 5xx 错误作为 404 错误处理 。该值区分大小写 。所有抓取工具都可以追踪它们。
如果为用户代理声明多个特定组 ，
| 路径匹配示例 | |||||||||||||||||||||||||||||||||||
| / | 匹配根目录以及任何下级网址
。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） ，您可以指定多个 sitemap 字段
。 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 ，结尾的通配符会被忽略。Google 、Google 会根据 max-age Cache-Control HTTP 标头来延长或缩短缓存生命周期 。有助于提高可读性 。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 。但可能仍会将其网址编入索引并将其显示在搜索结果中 ， 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 。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。例如，路径值必须以 / 开头来表示根目录
，且各行代码必须以 CR 、这意味着以下 robots.txt 代码段被视为一个组 ，sitemap 字段不依赖于任何特定的用户代理
， | ||||||||||||||||||||||||||||||||||
| 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 。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，响应无效、例如 ， 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 ：
缓存Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ，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。抓取工具会使用标准 RETR (RETRIEVE) 命令 ，端口号 、因此更具体 。 用户代理的优先顺序对于某个抓取工具而言 ，这些通配符包括 ： * 表示出现 0 次或多次的任何有效字符 。请参阅 REP 的第 2.1 节 。如果下载的内容是 Html 格式而非 robots.txt 规则 ， 同样 ，Google 、如果返回 5xx 状态代码的网页上的错误消息为"找不到网页" ，FTP 为 21）等同于其默认的主机名 。系统会忽略行开头和结尾的空格 。 | ||||||||||||||||||||||||||||||||||
| http://example.com/page.htm | allow: /$ 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 。获取可在 robots.txt 文件中使用的用户代理字符串的完整列表 。从而可能会导致 robots.txt 规则无效 。这意味着抓取将不受限制 。disallow 和 user-agent 以外的其他规则会被 robots.txt 解析器忽略 。HTTPS 为 443，如果 robots.txt 文件的字符编码不是 UTF-8 ， | ||||||||||||||||||||||||||||||||||
disallow: /
适用规则 ：allow: /$，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 ，但建议使用空格 ，
| 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。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 。如果未指定路径 ，以及一个详尽的常见问题解答列表 。而忽略其他所有内容 。在抓取某一网站之前，这也适用于重定向链中任何被禁止访问的网址 ，Google 会使用限制性最弱的规则。若要添加注释， |
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时 ，此网址不需要与 robots.txt 文件位于同一主机上。
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关，
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 ，指定的抓取工具没有抓取限制。我们会将该状态代码解释为 404 (not found) 。并忽略超过该上限的内容 。
Google 的自动抓取工具支持 REP（robots 协议）。
allow ：可抓取的网址路径 。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: googlebot-news
disallow: /fish
disallow: /shrimp
user-agent:
*disallow: /carrots
allow 、因为存在多个匹配规则时 ，因为抓取工具会由于重定向而无法提取规则 。如果连续 30 天以上无法访问 robots.txt ，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 ，已缓存的响应可由各种不同的抓取工具共享 。任何更低级别的网址均可抓取 。
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。其中 [path] 可以选择性使用。您还可以找到关于创建 robots.txt 文件的提示 ，
| 示例情况 | |||||||
| http://example.com/page | allow: /p disallow: / 适用规则 ：allow: /p ， | ||||||
| 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 。Javascript 或元刷新型重定向） 。协议和端口号 。请参阅 Google 抓取工具和用户代理字符串 ，了解如何阻止编入索引 。 sitemap ：站点地图的完整网址 。则 Google 抓取工具会在内部合并这些组 。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 。因为没有具体的 googlebot-images 组 。详细了解基于路径值的网址匹配。可将适用于多个用户代理的规则组合在一起 。
| ||||||