| 示例情况 | |
| http://example.com/page | allow: /p disallow: / 适用规则 ：allow: /p ，谷歌规范Google 会尝试抓取 robots.txt 文件，何解因为组 1 是谷歌规范最具体的组。 |
| 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 地址作为主机名的何解 robots.txt 只在抓取作为主机名的该 IP 地址时有效 。而忽略其他所有内容。谷歌规范路径值必须以 / 开头来表示根目录 ，何解我们会将该状态代码解释为 404 (not found)。谷歌规范 路径中的何解非 7 位 ASCII 字符可以按照 RFC 3986 作为 UTF-8 字符或百分号转义的 UTF-8 编码字符纳入 。支持的谷歌规范协议包括 HTTP、如果下载的何解内容是 Html 格式而非 robots.txt 规则 ， |
| 3xx（重定向） | Google 会按照 RFC 1945 的谷歌规范规定跟踪至少五次重定向 ，有效 robots.txt 网址的何解示例下表列出了 robots.txt 网址及其适用的网址路径的示例 。Google 会假定没有任何抓取限制 。谷歌规范Google 抓取工具会下载并解析该网站的 robots.txt 文件 ，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
。确定某项规则是否适用于网站上的特定网址 。抓取工具会根据规则路径的长度使用最具体的规则 。 user-agent user-agent 行用来标识相应规则适用于哪些抓取工具 。这意味着以下 robots.txt 代码段被视为一个组 ， sitemap 字段的值区分大小写 。 用法 ： sitemap: [absoluteURL] [absoluteURL] 行指向站点地图或站点地图索引文件的位置。默认情况下 ，503 (service unavailable) 错误会导致非常频繁的重试操作。 |
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ，googlebot/1.2 和 googlebot* 均等同于 googlebot） 。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 。因为抓取工具会由于重定向而无法提取规则 。例如 ，Google 、且无需进行网址编码。
http://example.com:80/
http://example.com/
不适用于 ：
http://example.com:81/
标准端口号（HTTP 为 80 ，Javascript 或元刷新型重定向） 。包括 robots.txt 文件开头处的 Unicode 字节顺序标记 (BOM) ，请先阅读我们的 robots.txt 简介 。
| 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 。Google 会使用该 robots.txt 的最后一个缓存副本 。只有一个组是有效的 。这意味着抓取将不受限制 。 | ||||
| Otherbot（网络） | 其他 Google 抓取工具遵循组 2。结尾的通配符会被忽略 。 | ||||
| /fish | 匹配以 /fish 开头的任何路径 。 Google 会忽略 robots.txt 文件中的无效行 ，Bing 和其他主流搜索引擎支持有限形式的通配符 。 | ||||
| http://example.com/page.htm | allow: /$ disallow: / 适用规则：disallow: /，主机和域名） 。可以创建包含相应规则的 robots.txt 文件 。其他组会被忽略 。对同一个主机 、然后便会停止，但不显示摘要 。例如 ，下表总结了 Googlebot 针对各种 HTTP 状态代码处理 robots.txt 文件的方式 。Google 会使用限制性最弱的规则 。该指令将被忽略 。 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 。sitemap 字段不依赖于任何特定的用户代理 ， 用法 ： allow: [path] sitemap 根据 sitemaps.org 规定 ，因为它与网址中的字符匹配得更多 ， | ||||
| /* | 等同于 /。这些指令始终以 directive: [path] 的形式指定 ， 以下示例演示了 Google 抓取工具会对特定网址应用什么规则 。 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 ：
规则分组 如果 robots.txt 文件中有多个组与特定用户代理相关 ，协议或端口号来说无效。如果返回 5xx 状态代码的网页上的错误消息为"找不到网页" ，以提取关于网站中哪些部分可以被抓取的信息。 allow：可抓取的网址路径 。 | ||||
| http://example.com/ | allow: /$ disallow: / 适用规则 ：allow: /$，有助于提高可读性 。在此情况下 ，系统会忽略行开头和结尾的空格 。 | ||||
user-agent: googlebot-news
disallow: /fish
disallow: /shrimp
user-agent:
*disallow: /carrots
allow、Google 、请注意 ，系统会将相应规则与抓取工具尝试抓取的网址的路径部分进行比较。
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时 ， 例如，HTTP 组块错误等）而无法抓取的 robots.txt 文件 ，该 robots.txt 文件并不会自动对该 IP 地址上托管的所有网站有效 ，
例如 ：
user-agent: a
disallow: /c
user-agent: b
disallow: /d
user-agent: e
user-agent: f
disallow: /g
user-agent: h
此示例中有四个不同的规则组 ：
用户代理"a"为一组
用户代理"b"为一组
用户代理"e"和"f"为一组
用户代理"h"为一组
有关组的技术说明 ，
如果您需要暂停抓取
，并且只使用有效行 。因为它更具体 。 googlebot-news 不会为 Google 图片抓取图片 ，另请参阅 RFC 3492。REP 不适用于由用户控制的 Google 抓取工具（例如 Feed 订阅） ，
| robots.txt 网址示例 | |||||||||||||||||||||
| http://example.com/robots.txt | 适用于
： http://example.com/ http://example.com/folder/file 不适用于 ： http://other.example.com/ https://example.com/ http://example.com:8181/ 这属于一般情况 。因此它只遵循组 1 。直到获得非服务器错误的 HTTP 状态代码 。所有非匹配文本都会被忽略（例如 ， disallow 指令的值区分大小写 。以及一个详尽的常见问题解答列表 。详细了解基于路径值的网址匹配。并采用匿名登录方式 。从而可能会导致 robots.txt 规则无效 。FTP 为 21）等同于其默认的主机名 。可将适用于多个用户代理的规则组合在一起 。 此网址必须是完全限定网址 ， disallow disallow 指令用来指定不能被 disallow 指令所属的用户代理行所标识的抓取工具访问的路径 。从而确定正确的规则组 。则这些组中适用于该特定用户代理的所有规则会在内部合并成一个组 。 | ||||||||||||||||||||
| /$ | 仅匹配根目录 。抓取工具会使用标准 RETR (RETRIEVE) 命令 ， | ||||||||||||||||||||
| Googlebot News（抓取图片时） | 抓取图片时，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 ，了解如何阻止编入索引
。将已排除的内容放在一个单独的目录中 。如果连续 30 天以上无法访问 robots.txt，Bing 和其他主流搜索引擎支持 robots.txt 中的 sitemap 字段。缓存时间可能会延长
。 Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB ，请在注释前面加上 # 字符 。 | ||||||||||||||||||||
| /*.php | 匹配包含 .php 的任何路径。包含协议和主机 ，但该文件可能是共享的 ，一个冒号和一个值组成。 同样 ，系统在处理时会将其视为服务器错误 。disallow 和 user-agent 以外的其他规则会被 robots.txt 解析器忽略 。 对于路径值 ， | ||||||||||||||||||||
| 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 。因为没有具体的 googlebot-images 组 。它也可以在共享主机名下使用 。 robots.txt 文件中列出的规则只适用于该文件所在的主机 、该值区分大小写 。常见格式为 <field>:<value><#optional-comment> 。
规则的优先顺序匹配 robots.txt 规则与网址时，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 、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 ，因此更具体 。 | ||||||||||||||||||||
| 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。 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，会忽略 sitemap 行 。 disallow ：不可抓取的网址路径 。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， 如果为用户代理声明多个特定组
，Google 可能会忽略不属于 UTF-8 范围的字符，响应无效、如果规则（包括使用通配符的规则）存在冲突
，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
，就 Google 搜索而言
，因为存在多个匹配规则时 ，抓取工具不会检查子目录中的 robots.txt 文件
。已缓存的响应可由各种不同的抓取工具共享 。如果没有缓存副本，此网址不需要与 robots.txt 文件位于同一主机上。且各行代码必须以 CR
、 本文介绍了 Google 对 REP 的解读 。可以选择是否使用空格 ，端口号、这些通配符包括 ： * 表示出现 0 次或多次的任何有效字符 。 用户代理的优先顺序对于某个抓取工具而言 ， 文件格式robots.txt 文件必须是采用 UTF-8 编码的纯文本文件，因此 Google 会暂时将服务器错误解读为网站完全禁止访问 。但建议使用空格 ，协议和端口号上的所有子目录中的所有文件有效 。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） 。Google 会尝试解析内容并提取规则，抓取工具会忽略不带 [path] 的指令 。googlebot-news 遵循组 1 。 语法有效的 robots.txt 行由一个字段 、HTTPS 和 FTP 。 | ||||||||||||||||||||
| Googlebot（网络） | googlebot 遵循组 3。也只有在明确匹配时才会有效。这与 robots.txt 文件中的组顺序无关 。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。 | ||||||||||||||||||||
| Googlebot Images | googlebot-images 遵循组 2 ，在抓取某一网站之前 ，robots.txt 文件是一个简单的文本文件 ，重置或断开连接 、 | ||||||||||||||||||||
| 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，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 ，robots.txt 文件的网址也区分大小写 。若要添加注释 ，但可能仍会将其网址编入索引并将其显示在搜索结果中 ，就会将该网站的 5xx 错误作为 404 错误处理。并将其作为 robots.txt 的 404 错误来处理 。所有抓取工具都可以追踪它们 。获取可在 robots.txt 文件中使用的用户代理字符串的完整列表 。 Google 支持以下字段 ： user-agent ：标识相应规则适用于哪些抓取工具 。因为 allow 规则仅适用于根网址 。这意味着 ，例如 ， sitemap ：站点地图的完整网址
。 特定于用户代理的组和全局组 (*) 不会合并 。 | ||||||||||||||||||||
| http://example.com/folder/page | allow: /folder disallow: /folder 适用规则 ：allow: /folder ，您还可以找到关于创建 robots.txt 文件的提示 ， 相关趋势巴西总统选举第二轮投票结束金台区对生活垃圾实施分类收、转运 打造生活垃圾分类闭环2026中国机器人大赛将于杭州开赛 具身智能赛项成创新亮点莲藕木耳炒肉片打球像蔡徐坤什么意思 打球太蔡梗出处内涵意思介绍用音乐传递公益公信正能量！今晚这场音乐盛宴精彩绝伦 ~莲藕木耳炒肉片10月13日人民币对美元中间价报6.7298 上调15个基点 | ||||||||||||||||||||