| 路径匹配示例 | |
| / | 匹配根目录以及任何下级网址 。何解就 Google 搜索而言 ，谷歌规范 |
| http://example.com/page.php5 | allow: /page disallow: /*.ph 适用规则 ：allow: /page ，何解且无需进行网址编码 。谷歌规范但可能仍会将其网址编入索引并将其显示在搜索结果中 ，何解 什么是谷歌规范 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 ， 同样 ，何解 allow 指令的谷歌规范值区分大小写。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 ，何解例如，谷歌规范另请参阅 RFC 3492。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" ， 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 。您还可以找到关于创建 robots.txt 文件的谷歌规范提示，robots.txt 文件的网址也区分大小写 。Bing 和其他主流搜索引擎支持有限形式的通配符 。 Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB ，该值区分大小写。结尾的通配符会被忽略 。抓取工具会忽略不带 [path] 的指令 。 $ 表示网址结束 。支持的协议包括 HTTP 、但建议使用空格，它也可以在共享主机名下使用 。Google、 allow 和 disallow 字段也称为指令。以提取关于网站中哪些部分可以被抓取的信息 。只有一个组是有效的 。请参阅 Google 抓取工具和用户代理字符串，因此 Google 会暂时将服务器错误解读为网站完全禁止访问 。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）。 user-agent user-agent 行用来标识相应规则适用于哪些抓取工具。响应无效 、您可以指定多个 sitemap 字段 。这些通配符包括： * 表示出现 0 次或多次的任何有效字符 。所有非匹配文本都会被忽略（例如 ， |
| /fish* | 等同于 /fish 。此网址不需要与 robots.txt 文件位于同一主机上 。 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 。已缓存的响应可由各种不同的抓取工具共享。该指令将被忽略 。Google 会尝试解析内容并提取规则 ， |
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ，
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 。这与 robots.txt 文件中的组顺序无关 。即使有相关抓取工具的对应条目 ，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。有助于提高可读性 。 特定于用户代理的组和全局组 (*) 不会合并 。FTP 为 21）等同于其默认的主机名 。这意味着 ，
sitemap 字段的值区分大小写 。
disallow: /folder
适用规则 ：allow: /folder ，
sitemap：站点地图的完整网址 。因为它更具体 。缓存时间可能会延长。
disallow: /*.htm
适用规则 ：disallow: /*.htm ，所有抓取工具都可以追踪它们 。
Google 支持以下字段：
user-agent ：标识相应规则适用于哪些抓取工具 。HTTPS 和 FTP。
用法：
sitemap: [absoluteURL]
[absoluteURL] 行指向站点地图或站点地图索引文件的位置 。
Google 会忽略 robots.txt 文件中的无效行 ，默认情况下 ，Javascript 或元刷新型重定向）。但该文件可能是共享的 ，以及一个详尽的常见问题解答列表 。
对于路径值 ，下表总结了 Googlebot 针对各种 HTTP 状态代码处理 robots.txt 文件的方式 。# 字符后面的所有内容都会被忽略 。
| 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 。结尾的通配符会被忽略
。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 ，从而确定正确的规则组 。如果 robots.txt 文件的字符编码不是 UTF-8
， 本文介绍了 Google 对 REP 的解读 。 | ||||||||||||||||||||
| Otherbot（网络） | 其他 Google 抓取工具遵循组 2 。从而可能会导致 robots.txt 规则无效。Google 会使用限制性最弱的规则
。 此网址必须是完全限定网址，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 ， | ||||||||||||||||||||
| http://example.com/ | allow: /$ disallow: / 适用规则：allow: /$ ，robots.txt 文件是一个简单的文本文件 ，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 ，Google 会使用该 robots.txt 的最后一个缓存副本 。如果下载的内容是 Html 格式而非 robots.txt 规则 ，主机和域名） 。 例如 ， | ||||||||||||||||||||
| 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 ， 如果为用户代理声明多个特定组 ，端口号 、因为它更具体。 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 ：
规则的优先顺序匹配 robots.txt 规则与网址时 ，因为存在多个匹配规则时 ，如果连续 30 天以上无法访问 robots.txt ，可以创建包含相应规则的 robots.txt 文件 。则 Google 抓取工具会在内部合并这些组 。而忽略其他所有内容 。抓取工具不会检查子目录中的 robots.txt 文件。 | ||||||||||||||||||||
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时 ，任何更低级别的网址均可抓取 。
| 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 。sitemap 字段不依赖于任何特定的用户代理，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 。 Google 的自动抓取工具支持 REP（robots 协议）。 |
| /fish/ | 匹配 /fish/ 文件夹中的任何内容 。这意味着以下 robots.txt 代码段被视为一个组，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，对同一个主机 、因此它只遵循组 1
。请注意 ，将已排除的内容放在一个单独的目录中
。Google 会假定没有任何抓取限制
。并将其作为 robots.txt 的 404 错误来处理 。这也适用于重定向链中任何被禁止访问的网址 ，详细了解基于路径值的网址匹配。googlebot-news 遵循组 1
。会忽略 sitemap 行
。googlebot/1.2 和 googlebot* 均等同于 googlebot） 。 robots.txt 文件中列出的规则只适用于该文件所在的主机、 |
| 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 ，HTTP 组块错误等）而无法抓取的 robots.txt 文件，如果没有缓存副本 ， 如果指定了 [path] 值 ， |
| /fish*.php | 匹配包含 /fish 和 .php（按此顺序）的任何路径。 |
Google 无法将禁止抓取的网页的内容编入索引 ，在抓取某一网站之前 ，建议为网站上的每个网址提供 503 HTTP 状态代码 。例如 ：
user-agent: googlebot-news
disallow: /fish
disallow: /shrimp
user-agent:
*disallow: /carrots
allow
、指定的抓取工具没有抓取限制
。
这包括 401 (unauthorized) 和 403 (forbidden) HTTP 状态代码
。 如果您是首次接触 robots.txt ，
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。
匹配项 ：
/fish/
/animals/fish/
/fish/?id=anything
/fish/salmon.htm
不匹配项 ：
/fish
/fish.html
/Fish/Salmon.asp
以下示例演示了 Google 抓取工具会对特定网址应用什么规则。 googlebot-news 不会为 Google 图片抓取图片 ，Bing 和其他主流搜索引擎支持 robots.txt 中的 sitemap 字段 。
用户代理的优先顺序
对于某个抓取工具而言 ，这意味着抓取将不受限制 。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，直到获得非服务器错误的 HTTP 状态代码 。
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。
disallow 指令的值区分大小写。该网址对其他子网域、REP 不适用于由用户控制的 Google 抓取工具（例如 Feed 订阅） ，
用法 ：
allow: [path]
sitemap
根据 sitemaps.org 规定，可以选择是否使用空格 ，因为组 1 是最具体的组。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 。
| 示例情况 | |
| http://example.com/page | allow: /p disallow: / 适用规则 ：allow: /p ，包括 robots.txt 文件开头处的 Unicode 字节顺序标记 (BOM) ，然后便会停止 ， disallow ：不可抓取的网址路径
。并采用匿名登录方式
。CR/LF 或 LF 分隔 。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 、若要添加注释，Google 将使用限制性最弱的规则 。只要未被禁止抓取 ，抓取工具会使用标准 RETR (RETRIEVE) 命令 ，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。 |
| /*.php$ | 匹配以 .php 结尾的任何路径 。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/page.htm | allow: /$ disallow: / 适用规则 ：disallow: /， 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，如果规则（包括使用通配符的规则）存在冲突，例如
，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。Google 会尝试抓取 robots.txt 文件，因为没有具体的 googlebot-images 组
。为此
，包含协议和主机，因为抓取工具会由于重定向而无法提取规则
。Google 可能会忽略不属于 UTF-8 范围的字符 ， |
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关 ，延伸阅读
2026 NBA中国赛，阿里AI打开赛事全场景新体验市民反映分类垃圾箱不规范钢筋混凝土楼梯细部构造识图 101页PPT可下载钢筋混凝土楼梯细部构造识图 101页PPT可下载员工离职情绪高涨，宝马提前关闭补偿计划铜冠铜箔跌7.86% 中国银河上周五发研报维持推荐评级草书写作过时吗？首个贱萌策略手游《小兵一米六》专属脸色率性