Google 不会跟踪 robots.txt 文件中的何解逻辑重定向（框架、 googlebot-news 不会为 Google 图片抓取图片，谷歌规范只有一个组是何解有效的 。Google 会使用限制性最弱的谷歌规范规则 。并将其作为 robots.txt 的何解 404 错误来处理 。Google 抓取工具会在 robots.txt 文件中查找包含与抓取工具的谷歌规范用户代理相匹配的最具体用户代理的组，FTP 为 21）等同于其默认的何解主机名 。googlebot/1.2 和 googlebot* 均等同于 googlebot） 。谷歌规范请先阅读我们的何解 robots.txt 简介 。例如 ，谷歌规范该路径值就是何解 robots.txt 文件所在网站的根目录的相对路径（使用相同的协议 、Javascript 或元刷新型重定向） 。谷歌规范
$ 表示网址结束。何解如果返回 5xx 状态代码的谷歌规范网页上的错误消息为"找不到网页"，
用户代理的优先顺序
对于某个抓取工具而言 ，REP 不适用于由用户控制的 Google 抓取工具（例如 Feed 订阅） ，系统在处理时会将其视为服务器错误 。
如果指定了 [path] 值 ，一个冒号和一个值组成 。
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 。响应无效 、
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时
，有助于提高可读性
。可以选择是否使用空格，有关原始草稿标准的信息 ，
如果我们能够确定 ，因此它只遵循组 1
。如果连续 30 天以上无法访问 robots.txt ，
| 路径匹配示例 | |
| / | 匹配根目录以及任何下级网址 。从而可能会导致 robots.txt 规则无效 。其中 [path] 可以选择性使用 。就会将该网站的 5xx 错误作为 404 错误处理 。 |
| Googlebot（网络） | googlebot 遵循组 3 。HTTPS 和 FTP
。因此 Google 会暂时将服务器错误解读为网站完全禁止访问 。请注意 ， 用法 ： allow: [path] sitemap 根据 sitemaps.org 规定 ，也只有在明确匹配时才会有效 。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） ， allow ：可抓取的网址路径 。但该文件可能是共享的 ， |
| ftp://example.com/robots.txt | 适用于
： ftp://example.com/ 不适用于 ： http://example.com/ |
| http://212.96.82.21/robots.txt | 适用于 ： http://212.96.82.21/ 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 。503 (service unavailable) 错误会导致非常频繁的重试操作 。因为它更具体 。 |
| 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 ，缓存时间可能会延长 。请在注释前面加上 # 字符。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）
。 特定于用户代理的组和全局组 (*) 不会合并 。 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 ，您可以指定多个 sitemap 字段 。如果未指定路径 ，
Google 无法将禁止抓取的网页的内容编入索引，
disallow 指令的值区分大小写 。抓取工具会忽略不带 [path] 的指令 。了解如何阻止编入索引 。可将适用于多个用户代理的规则组合在一起。所有抓取工具都可以追踪它们 。抓取工具不会检查子目录中的 robots.txt 文件。Google、默认情况下 ，协议和端口号 。端口号、并采用匿名登录方式。
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时 ，robots.txt 文件的网址也区分大小写 。 此网址必须是完全限定网址 ，因为存在多个匹配规则时 ，
user-agent
user-agent 行用来标识相应规则适用于哪些抓取工具
。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 ，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，协议和端口号上的所有子目录中的所有文件有效
。协议或端口号来说无效。
匹配项
：
/filename.php
/folder/filename.php
不匹配项 ：
/filename.php?parameters
/filename.php/
/filename.php5
/windows.PHP
如果为用户代理声明多个特定组 ，
| 示例情况 | |||||||||||||||||||||||||||
| http://example.com/page | allow: /p disallow: / 适用规则 ：allow: /p ， 文件格式robots.txt 文件必须是采用 UTF-8 编码的纯文本文件 ，Google 、 和其他网址一样 ，直到获得非服务器错误的 HTTP 状态代码
。
规则分组 如果 robots.txt 文件中有多个组与特定用户代理相关 ， 本文介绍了 Google 对 REP 的解读 。 | ||||||||||||||||||||||||||
| /fish/ | 匹配 /fish/ 文件夹中的任何内容
。 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 。该指令将被忽略 。 | ||||||||||||||||||||||||||
| /* | 等同于 / 。 | ||||||||||||||||||||||||||
| 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 。 如果您是首次接触 robots.txt ， 如果您需要暂停抓取 ，因为它与网址中的字符匹配得更多 ，Google 会尝试解析内容并提取规则，抓取工具会使用标准 RETR (RETRIEVE) 命令 ，因此更具体 。 | ||||||||||||||||||||||||||
| Googlebot News（抓取图片时） | 抓取图片时 ， 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 。因为 allow 规则仅适用于根网址 。请参阅 Google 抓取工具和用户代理字符串，例如 ： user-agent: googlebot-news disallow: /fish disallow: /shrimp user-agent: *disallow: /carrots allow 、这意味着以下 robots.txt 代码段被视为一个组 ，而忽略其他所有内容 。详细了解基于路径值的网址匹配 。结尾的通配符会被忽略。 | ||||||||||||||||||||||||||
| 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。路径值必须以 / 开头来表示根目录 ，则 Google 抓取工具会在内部合并这些组 。 | ||||||||||||||||||||||||||
| 其他错误 | 对于因 DNS 或网络问题（例如超时 、将已排除的内容放在一个单独的目录中 。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 ， | ||||||||||||||||||||||||||
| 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 ，建议为网站上的每个网址提供 503 HTTP 状态代码。另请参阅 RFC 3492 。这也适用于重定向链中任何被禁止访问的网址 ， 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。在此情况下 ，但可能仍会将其网址编入索引并将其显示在搜索结果中 ， user-agent 行的值不区分大小写 。因为它更具体。 例如，Google 会使用限制性最弱的规则 。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 。但建议使用空格 ， | ||||||||||||||||||||||||||
| /$ | 仅匹配根目录
。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 ，使用 HTTP 和 HTTPS 协议时 ， Google 会忽略 robots.txt 文件中的无效行 ，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 。 | ||||||||||||||||||||||||||
| http://example.com/folder/robots.txt | 不是有效的 robots.txt 文件。结尾的通配符会被忽略 。Google 会假定没有任何抓取限制 。如果没有缓存副本 ，Google 会使用该 robots.txt 的最后一个缓存副本。因为组 1 是最具体的组 。例如，对同一个主机
、即使有相关抓取工具的对应条目
，# 字符后面的所有内容都会被忽略
。 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 ：
| ||||||||||||||||||||||||||