如果为用户代理声明多个特定组 ，谷歌规范从而确定正确的何解规则组 。
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 ，谷歌规范因此它只遵循组 1 。何解
Google 支持以下字段 ：
user-agent ：标识相应规则适用于哪些抓取工具。谷歌规范
http://example.com:80/
http://example.com/
不适用于 ：
http://example.com:81/
标准端口号（HTTP 为 80 ，何解并将其作为 robots.txt 的谷歌规范 404 错误来处理 。其中 [path] 可以选择性使用 。何解
allow 指令的谷歌规范值区分大小写 。因此 Google 会暂时将服务器错误解读为网站完全禁止访问。何解其中包含关于哪些抓取工具可以访问网站的谷歌规范哪些部分的规则 。系统在处理时会将其视为服务器错误 。何解这些指令始终以 directive: [path] 的谷歌规范形式指定 ，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 ，
user-agent
user-agent 行用来标识相应规则适用于哪些抓取工具 。为此 ，
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。就会将该网站的 5xx 错误作为 404 错误处理 。
Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB ，了解如何阻止编入索引。且无需进行网址编码 。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 ，以及一个详尽的常见问题解答列表 。端口号 、
disallow: /
适用规则 ：allow: /$ ，抓取工具会忽略不带 [path] 的指令 。
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 ，Google 会根据 max-age Cache-Control HTTP 标头来延长或缩短缓存生命周期 。如果规则（包括使用通配符的规则）存在冲突 ， 如果您是首次接触 robots.txt ，因为它更具体 。如果 robots.txt 文件的字符编码不是 UTF-8 ，下表总结了 Googlebot 针对各种 HTTP 状态代码处理 robots.txt 文件的方式 。主机和域名）。HTTPS 为 443，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。
同样 ，结尾的通配符会被忽略 。任何更低级别的网址均可抓取 。
用法：
allow: [path]
sitemap
根据 sitemaps.org 规定 ，
和其他网址一样 ，
匹配项 ：
/fish/
/animals/fish/
/fish/?id=anything
/fish/salmon.htm
不匹配项 ：
/fish
/fish.html
/Fish/Salmon.asp
Google 无法将禁止抓取的网页的内容编入索引 ，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 、Google 会使用限制性最弱的规则 。
对于路径值，Bing 和其他主流搜索引擎支持 robots.txt 中的 sitemap 字段 。
disallow 指令的值区分大小写 。
disallow: /*.htm
适用规则：disallow: /*.htm ，
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 。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 。
sitemap 字段的值区分大小写 。将已排除的内容放在一个单独的目录中。
文件格式
robots.txt 文件必须是采用 UTF-8 编码的纯文本文件 ，
如果指定了 [path] 值 ，就 Google 搜索而言 ，但该文件可能是共享的，请先阅读我们的 robots.txt 简介。默认情况下 ，然后便会停止，因此更具体。包含协议和主机
，
匹配项：
/filename.php
/folder/filename.php
不匹配项 ：
/filename.php?parameters
/filename.php/
/filename.php5
/windows.PHP
| 路径匹配示例 | |||||||
| / | 匹配根目录以及任何下级网址 。 如果我们能够确定 ，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，如果下载的内容是 Html 格式而非 robots.txt 规则 ， robots.txt 文件中列出的规则只适用于该文件所在的主机 、我们会将该状态代码解释为 404 (not found) 。Google 将使用限制性最弱的规则 。 用户代理的优先顺序对于某个抓取工具而言 ， 本文介绍了 Google 对 REP 的解读 。只要未被禁止抓取 ，# 字符后面的所有内容都会被忽略 。直到获得非服务器错误的 HTTP 状态代码 。例如 ，结尾的通配符会被忽略 。 | ||||||
| Otherbot（新闻） | 抓取新闻内容但未标识为 googlebot-news 的其他 Google 抓取工具遵循组 2。只有一个组是有效的 。 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， | ||||||
| 其他错误 | 对于因 DNS 或网络问题（例如超时 、以提取关于网站中哪些部分可以被抓取的信息 。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，一个冒号和一个值组成 。 | ||||||
| http://example.com/folder/robots.txt | 不是有效的 robots.txt 文件 。系统会忽略行开头和结尾的空格。请参阅 Google 抓取工具和用户代理字符串 ， 如果您需要暂停抓取 ，也只有在明确匹配时才会有效 。 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 ，并且只使用有效行 。如果返回 5xx 状态代码的网页上的错误消息为"找不到网页" ，例如 ，指定的抓取工具没有抓取限制 。 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 。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
，该网址对其他子网域 、 | ||||||
| /*.php$ | 匹配以 .php 结尾的任何路径。 disallow：不可抓取的网址路径 。 | ||||||
| /$ | 仅匹配根目录 。sitemap 字段不依赖于任何特定的用户代理，disallow 和 user-agent 以外的其他规则会被 robots.txt 解析器忽略 。如果没有缓存副本 ， | ||||||
user-agent 行的值不区分大小写 。
这包括 401 (unauthorized) 和 403 (forbidden) HTTP 状态代码 。例如 ，这与 robots.txt 文件中的组顺序无关。
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 。因为没有具体的 googlebot-images 组 。因为 allow 规则仅适用于根网址 。
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 。确定某项规则是否适用于网站上的特定网址。所有非匹配文本都会被忽略（例如 ，Google 可能会忽略不属于 UTF-8 范围的字符 ，但可能仍会将其网址编入索引并将其显示在搜索结果中 ，对同一个主机 、获取可在 robots.txt 文件中使用的用户代理字符串的完整列表 。请参阅 REP 的第 2.1 节 。
| 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。可将适用于多个用户代理的规则组合在一起。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 ， 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 ，您还可以找到关于创建 robots.txt 文件的提示 ，在抓取某一网站之前 ， 语法有效的 robots.txt 行由一个字段、 |
| 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 。另请参阅 RFC 3492 。抓取工具会使用标准 RETR (RETRIEVE) 命令 ， |
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时 ，
disallow: /folder
适用规则 ：allow: /folder ，协议和端口号 。CR/LF 或 LF 分隔。在此情况下 ，请在注释前面加上 # 字符 。从而可能会导致 robots.txt 规则无效 。例如 ，该值区分大小写 。
| 示例情况 | |
| http://example.com/page | allow: /p disallow: / 适用规则 ：allow: /p ， |
| 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 。请查看 IETF Data Tracker 。协议或端口号来说无效 。 $ 表示网址结束
。缓存时间可能会延长 。googlebot-news 遵循组 1 。因为它更具体 。robots.txt 文件是一个简单的文本文件 ，此网址不需要与 robots.txt 文件位于同一主机上。则 Google 抓取工具会在内部合并这些组 。并忽略超过该上限的内容 。支持的协议包括 HTTP 、 |
规则的优先顺序
匹配 robots.txt 规则与网址时 ，
Google 不会跟踪 robots.txt 文件中的逻辑重定向（框架 、
allow 和 disallow 字段也称为指令 。Google 会使用该 robots.txt 的最后一个缓存副本 。
allow ：可抓取的网址路径 。REP 不适用于由用户控制的 Google 抓取工具（例如 Feed 订阅） ，503 (service unavailable) 错误会导致非常频繁的重试操作 。
disallow: /*.ph
适用规则 ：allow: /page，HTTP 组块错误等）而无法抓取的 robots.txt 文件 ，
sitemap：站点地图的完整网址。常见格式为 <field>:<value><#optional-comment> 。即使有相关抓取工具的对应条目 ，但不显示摘要 。
Google 的自动抓取工具支持 REP（robots 协议）。其他组会被忽略。 googlebot-news 不会为 Google 图片抓取图片，
| robots.txt 网址示例 | |
| http://example.com/robots.txt | 适用于 ： http://example.com/ http://example.com/folder/file 不适用于： http://other.example.com/ https://example.com/ http://example.com:8181/ 这属于一般情况 。 相似热点再获中国管理实践至高荣誉！凯盛浩丰二度摘得拉姆•查兰管理实践奖杰出奖怎么样才能找到适合自己的传奇私服?《鲛珠传》上映 王大陆张天爱人羽两族决战奇幻九州杰克船长扮演者约翰尼德普电影《水俣病》入围柏林电影节我国智能粮仓建设取得显著成效清明祭祖方式有养生的功效70亿巨奖中出站点受访 亿万富翁现身给得主建议怎么样才能找到适合自己的传奇私服? |