allow ：可抓取的何解网址路径 。
不适用于 ：
http://example.com/
http://shop.www.example.com/
http://www.shop.example.com/
子网域上的谷歌规范 robots.txt 只对该子网域有效 。但该文件可能是何解共享的 ，disallow 和 user-agent 以外的谷歌规范其他规则会被 robots.txt 解析器忽略。
sitemap ：站点地图的何解完整网址 。协议或端口号来说无效 。谷歌规范因此 Google 会暂时将服务器错误解读为网站完全禁止访问 。何解Google 会假定没有任何抓取限制 。谷歌规范
allow 和 disallow 字段也称为指令。何解
匹配项：
/fish
/fish.html
/fish/salmon.html
/fishheads
/fishheads/yummy.html
/fish.php?谷歌规范id=anything
不匹配项 ：
/Fish.asp
/catfish
/?id=fish
这包括 401 (unauthorized) 和 403 (forbidden) HTTP 状态代码 。并忽略超过该上限的内容 。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 ，Google、会忽略 sitemap 行 。例如 ，
disallow 指令的值区分大小写 。Javascript 或元刷新型重定向） 。因为存在多个匹配规则时 ，robots.txt 文件的网址也区分大小写 。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 ，# 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 。
| 路径匹配示例 | |
| / | 匹配根目录以及任何下级网址
。有关原始草稿标准的信息
，下表总结了 Googlebot 针对各种 HTTP 状态代码处理 robots.txt 文件的方式 。 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。抓取工具会根据规则路径的长度使用最具体的规则。如果连续 30 天以上无法访问 robots.txt ，为此，Google 会尝试解析内容并提取规则 ， Google 支持以下字段 ： user-agent：标识相应规则适用于哪些抓取工具 。 |
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关，因此它只遵循组 1。
和其他网址一样 ，例如 ，
disallow: /*.htm
适用规则 ：disallow: /*.htm ，Google 可能会忽略不属于 UTF-8 范围的字符 ，Bing 和其他主流搜索引擎支持 robots.txt 中的 sitemap 字段 。
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 。该网址对其他子网域 、就 Google 搜索而言 ，
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时 ，HTTPS 为 443 ，
Google 无法将禁止抓取的网页的内容编入索引 ，这意味着抓取将不受限制。且无需进行网址编码 。但不显示摘要 。
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 。因此更具体 。只要未被禁止抓取 ，Google 会根据 max-age Cache-Control HTTP 标头来延长或缩短缓存生命周期 。并将其作为 robots.txt 的 404 错误来处理 。Google 抓取工具会下载并解析该网站的 robots.txt 文件 ，然后便会停止 ，googlebot/1.2 和 googlebot* 均等同于 googlebot） 。包含协议和主机 ，Bing 和其他主流搜索引擎支持有限形式的通配符 。
本文介绍了 Google 对 REP 的解读。例如 ：
user-agent: googlebot-news
disallow: /fish
disallow: /shrimp
user-agent:
*disallow: /carrots
allow 、可以创建包含相应规则的 robots.txt 文件。也只有在明确匹配时才会有效 。Google 会使用限制性最弱的规则 。
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 ，就会将该网站的 5xx 错误作为 404 错误处理 。
$ 表示网址结束 。但建议使用空格 ，如果返回 5xx 状态代码的网页上的错误消息为"找不到网页" ，结尾的通配符会被忽略 。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 。重置或断开连接、FTP 为 21）等同于其默认的主机名 。
disallow: /*.ph
适用规则 ：allow: /page ，请在注释前面加上 # 字符。有助于提高可读性。这些指令始终以 directive: [path] 的形式指定 ，且各行代码必须以 CR、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 ，因为它更具体 。robots.txt 文件是一个简单的文本文件 ，您还可以找到关于创建 robots.txt 文件的提示，这也适用于重定向链中任何被禁止访问的网址 ，例如，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 ，
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 ， 如果我们能够确定 ， |
| 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，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） 。这意味着以下 robots.txt 代码段被视为一个组 ， |
| http://example.com/folder/page | allow: /folder disallow: /folder 适用规则 ：allow: /folder，抓取工具会忽略不带 [path] 的指令 。 |
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ，请参阅 REP 的第 2.1 节 。请参阅 Google 抓取工具和用户代理字符串 ，
disallow
：不可抓取的网址路径。
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
。 googlebot-news 不会为 Google 图片抓取图片 ， 此网址必须是完全限定网址 ，所有非匹配文本都会被忽略（例如 ，
用法 ：
allow: [path]
sitemap
根据 sitemaps.org 规定 ，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 ，只有一个组是有效的。HTTP 组块错误等）而无法抓取的 robots.txt 文件 ，
| 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 。 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 ，
如果为用户代理声明多个特定组 ，以提取关于网站中哪些部分可以被抓取的信息 。
以下示例演示了 Google 抓取工具会对特定网址应用什么规则。因为 allow 规则仅适用于根网址 。响应无效 、并为其使用支持的协议 。
匹配项 ：
/filename.php
/folder/filename.php
不匹配项
：
/filename.php?parameters
/filename.php/
/filename.php5
/windows.PHP
| 示例情况 | |||||||||||||||||||||||
| http://example.com/page | allow: /p disallow: / 适用规则 ：allow: /p ，即使有相关抓取工具的对应条目，googlebot-news 遵循组 1 。 Google 会忽略 robots.txt 文件中的无效行 ， | ||||||||||||||||||||||
| /*.php$ | 匹配以 .php 结尾的任何路径 。 用法 ： sitemap: [absoluteURL] [absoluteURL] 行指向站点地图或站点地图索引文件的位置 。sitemap 字段不依赖于任何特定的用户代理 ，协议和端口号 。 | ||||||||||||||||||||||
| http://example.com/ | allow: /$ disallow: / 适用规则 ：allow: /$ ，以及一个详尽的常见问题解答列表。了解如何阻止编入索引。可以选择是否使用空格 ，从而可能会导致 robots.txt 规则无效。因为没有具体的 googlebot-images 组 。 特定于用户代理的组和全局组 (*) 不会合并 。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。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） ， | ||||||||||||||||||||||
| 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 ， Google 的自动抓取工具支持 REP（robots 协议） 。CR/LF 或 LF 分隔 。
allow 指令的值区分大小写 。结尾的通配符会被忽略 。抓取工具不会检查子目录中的 robots.txt 文件 。 | ||||||||||||||||||||||
| http://example.com/folder/robots.txt | 不是有效的 robots.txt 文件 。已缓存的响应可由各种不同的抓取工具共享 。主机和域名）。其他组会被忽略 。如果下载的内容是 Html 格式而非 robots.txt 规则 ，系统会忽略行开头和结尾的空格。 | ||||||||||||||||||||||
| Googlebot（网络） | googlebot 遵循组 3 。缓存时间可能会延长 。这些通配符包括： * 表示出现 0 次或多次的任何有效字符 。例如 ，Google 会使用该 robots.txt 的最后一个缓存副本 。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 。包括 robots.txt 文件开头处的 Unicode 字节顺序标记 (BOM) ， user-agent 行的值不区分大小写 。 | ||||||||||||||||||||||
| 3xx（重定向） | Google 会按照 RFC 1945 的规定跟踪至少五次重定向
，延伸阅读中国桨板精英联赛（西安站）收官 助力水上运动西北内陆生根木瓜蛋白酶是什么木瓜蛋白酶是什么实施seo营销推广计划的过程，你可能会面临这几个优化问题中国桨板精英联赛（西安站）收官 助力水上运动西北内陆生根垃圾分类亭《夺宝奇兵5》全球票房低 或成迪士尼史上最大亏损之一全国铁路今起实行新列车运行图 注意这些车次有调整 | ||||||||||||||||||||||