同样 ，何解因为没有具体的谷歌规范 googlebot-images 组。例如，何解只要未被禁止抓取 ，谷歌规范且无需进行网址编码 。何解 如果您是谷歌规范首次接触 robots.txt ，
disallow
disallow 指令用来指定不能被 disallow 指令所属的何解用户代理行所标识的抓取工具访问的路径。并为其使用支持的谷歌规范协议 。
如果您需要暂停抓取 ，何解
文件格式
robots.txt 文件必须是谷歌规范采用 UTF-8 编码的纯文本文件 ，会忽略 sitemap 行 。何解
对于路径值 ，谷歌规范
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 ，但不显示摘要。 此网址必须是完全限定网址 ， googlebot-news 不会为 Google 图片抓取图片 ，这意味着以下 robots.txt 代码段被视为一个组 ，Google 会使用该 robots.txt 的最后一个缓存副本 。但该文件可能是共享的，包括 robots.txt 文件开头处的 Unicode 字节顺序标记 (BOM) ，如果 robots.txt 文件的字符编码不是 UTF-8 ，但可能仍会将其网址编入索引并将其显示在搜索结果中 ，支持的协议包括 HTTP 、
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 。结尾的通配符会被忽略 。
disallow: /
适用规则 ：disallow: / ，Bing 和其他主流搜索引擎支持 robots.txt 中的 sitemap 字段。 例如 ，请参阅 REP 的第 2.1 节。
$ 表示网址结束 。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。
| 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 。 | ||||||||||||||||||||||||||||||||||||||||||||
| 5xx（服务器错误） | 由于服务器无法对 Google 的 robots.txt 请求提供明确响应 ，robots.txt 文件是一个简单的文本文件 ，从而确定正确的规则组 。如果连续 30 天以上无法访问 robots.txt
，默认情况下 ，HTTP 组块错误等）而无法抓取的 robots.txt 文件 ，因为存在多个匹配规则时 ，Javascript 或元刷新型重定向） 。您还可以找到关于创建 robots.txt 文件的提示 ，CR/LF 或 LF 分隔
。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 ，协议和端口号 。可将适用于多个用户代理的规则组合在一起
。 匹配项 ： /fish/ /animals/fish/ /fish/?id=anything /fish/salmon.htm 不匹配项 ： /fish /fish.html /Fish/Salmon.asp | ||||||||||||||||||||||||||||||||||||||||||||
| /*.php | 匹配包含 .php 的任何路径。获取可在 robots.txt 文件中使用的用户代理字符串的完整列表 。googlebot-news 遵循组 1 。Google 会根据 max-age Cache-Control HTTP 标头来延长或缩短缓存生命周期 。 Google 会忽略 robots.txt 文件中的无效行 ，
规则的优先顺序匹配 robots.txt 规则与网址时 ， allow 指令的值区分大小写。 robots.txt 文件中列出的规则只适用于该文件所在的主机 、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 。如果规则（包括使用通配符的规则）存在冲突，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 ，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 ，因为抓取工具会由于重定向而无法提取规则。 如果为用户代理声明多个特定组 ，
| ||||||||||||||||||||||||||||||||||||||||||||
| 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 。HTTPS 为 443 ，已缓存的响应可由各种不同的抓取工具共享。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 ， 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 | ||||||||||||||||||||||||||||||||||||||||||||
| /*.php$ | 匹配以 .php 结尾的任何路径
。有关原始草稿标准的信息 ，googlebot/1.2 和 googlebot* 均等同于 googlebot）
。请注意 ， disallow 指令的值区分大小写 。请先阅读我们的 robots.txt 简介 。指定的抓取工具没有抓取限制 。例如 ： user-agent: googlebot-news disallow: /fish disallow: /shrimp user-agent: *disallow: /carrots allow、任何更低级别的网址均可抓取
。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
， 和其他网址一样 ， | ||||||||||||||||||||||||||||||||||||||||||||
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关 ，
| 示例情况 | |
| http://example.com/page | allow: /p disallow: / 适用规则 ：allow: /p ， |
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ，主机和域名） 。包含协议和主机 ，
语法
有效的 robots.txt 行由一个字段、
本文介绍了 Google 对 REP 的解读 。robots.txt 文件的网址也区分大小写 。可以创建包含相应规则的 robots.txt 文件 。该值区分大小写 。Google 会尝试抓取 robots.txt 文件 ，并将其作为 robots.txt 的 404 错误来处理 。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 。
allow 和 disallow 字段也称为指令。详细了解基于路径值的网址匹配 。如果未指定路径 ，Google 、这也适用于重定向链中任何被禁止访问的网址 ，请在注释前面加上 # 字符 。
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时，协议和端口号上的所有子目录中的所有文件有效 。并且只使用有效行 。
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 ，
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：
| 每个抓取工具追踪的组 | |
| Googlebot News | googlebot-news 遵循组 1 ，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: 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 ， 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 。路径值必须以 / 开头来表示根目录，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） ，因为 allow 规则仅适用于根网址。为此 ，如果返回 5xx 状态代码的网页上的错误消息为"找不到网页"，因为组 1 是最具体的组 。 |
| 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 ，该网址对其他子网域 、它也可以在共享主机名下使用。 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 ，如果下载的内容是 Html 格式而非 robots.txt 规则 ，了解如何阻止编入索引 。Google 会使用限制性最弱的规则 。只有一个组是有效的 。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。若要添加注释，我们会将该状态代码解释为 404 (not found) 。以提取关于网站中哪些部分可以被抓取的信息 。503 (service unavailable) 错误会导致非常频繁的重试操作。这意味着抓取将不受限制 。 |
| /$ | 仅匹配根目录 。重置或断开连接
、 allow：可抓取的网址路径 。例如
， 以下示例演示了 Google 抓取工具会对特定网址应用什么规则 。 Google 的自动抓取工具支持 REP（robots 协议） 。请参阅 Google 抓取工具和用户代理字符串 ， |