用法 ：
allow: [path]
sitemap
根据 sitemaps.org 规定 ，谷歌规范详细了解基于路径值的何解网址匹配 。例如 ：
user-agent: googlebot-news
disallow: /fish
disallow: /shrimp
user-agent:
*disallow: /carrots
allow 、谷歌规范该网址对其他子网域 、何解从而可能会导致 robots.txt 规则无效 。谷歌规范这意味着抓取将不受限制
。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
匹配项 ：
/fish/
/animals/fish/
/fish/?何解id=anything
/fish/salmon.htm
不匹配项 ：
/fish
/fish.html
/Fish/Salmon.asp
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时， 如果您是首次接触 robots.txt ，
disallow 指令的值区分大小写 。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 。而忽略其他所有内容 。对同一个主机 、Bing 和其他主流搜索引擎支持 robots.txt 中的 sitemap 字段 。了解如何阻止编入索引 。有助于提高可读性。googlebot-news 遵循组 1 。端口号 、googlebot/1.2 和 googlebot* 均等同于 googlebot）。
user-agent 行的值不区分大小写 。
sitemap
：站点地图的完整网址
。以及一个详尽的常见问题解答列表 。
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时，
Google 不会跟踪 robots.txt 文件中的逻辑重定向（框架 、 例如 ，建议为网站上的每个网址提供 503 HTTP 状态代码 。但该文件可能是共享的，系统会忽略行开头和结尾的空格 。
和其他网址一样 ，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 ，
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，disallow 和 user-agent 以外的其他规则会被 robots.txt 解析器忽略。抓取工具会使用标准 RETR (RETRIEVE) 命令 ，
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
user-agent
user-agent 行用来标识相应规则适用于哪些抓取工具 。在抓取某一网站之前 ，
语法
有效的 robots.txt 行由一个字段 、sitemap 字段不依赖于任何特定的用户代理 ，
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 。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、请注意，主机和域名） 。
disallow: /
适用规则 ：disallow: /，并为其使用支持的协议 。该指令将被忽略 。
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 。
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，路径值必须以 / 开头来表示根目录 ，Google、一个冒号和一个值组成 。Google 会尝试解析内容并提取规则，就会将该网站的 5xx 错误作为 404 错误处理 。若要添加注释 ，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，此网址不需要与 robots.txt 文件位于同一主机上 。如果返回 5xx 状态代码的网页上的错误消息为"找不到网页"，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 ，# 字符后面的所有内容都会被忽略。HTTPS 为 443，重置或断开连接 、因为抓取工具会由于重定向而无法提取规则 。您还可以找到关于创建 robots.txt 文件的提示 ，Google 抓取工具会下载并解析该网站的 robots.txt 文件，
$ 表示网址结束 。HTTPS 和 FTP 。
Google 支持以下字段：
user-agent ：标识相应规则适用于哪些抓取工具 。Google 会根据 max-age Cache-Control HTTP 标头来延长或缩短缓存生命周期 。
Google 无法将禁止抓取的网页的内容编入索引 ，因此它只遵循组 1 。则 Google 抓取工具会在内部合并这些组 。
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 。Google 将使用限制性最弱的规则 。
* 表示出现 0 次或多次的任何有效字符 。因为没有具体的 googlebot-images 组 。只要未被禁止抓取，
对于路径值 ，只有一个组是有效的 。
Google 的自动抓取工具支持 REP（robots 协议） 。
如果为用户代理声明多个特定组 ，例如 ，
sitemap 字段的值区分大小写 。
robots.txt 文件中列出的规则只适用于该文件所在的主机、也只有在明确匹配时才会有效。
Google 会忽略 robots.txt 文件中的无效行 ，Google 会使用限制性最弱的规则 。如果连续 30 天以上无法访问 robots.txt，
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 。Bing 和其他主流搜索引擎支持有限形式的通配符 。
| 路径匹配示例 | |
| / | 匹配根目录以及任何下级网址
。 googlebot-news 不会为 Google 图片抓取图片 ，请先阅读我们的 robots.txt 简介。HTTP 组块错误等）而无法抓取的 robots.txt 文件 ，如果没有缓存副本 ， 路径中的非 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
。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
，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 。但建议使用空格 ，例如 ， |
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关 ，所有非匹配文本都会被忽略（例如，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） ，
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 ，
| 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 。并忽略超过该上限的内容 。这与 robots.txt 文件中的组顺序无关 。默认情况下，所有抓取工具都可以追踪它们 。 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 ，CR/LF 或 LF 分隔 。Google 会假定没有任何抓取限制 。 | ||||||||||||||||||||||||||||||
| 其他错误 | 对于因 DNS 或网络问题（例如超时 、请查看 IETF Data Tracker 。响应无效 、FTP 为 21）等同于其默认的主机名。因此更具体 。Google 可能会忽略不属于 UTF-8 范围的字符 ，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 。用户代理的优先顺序对于某个抓取工具而言 ，使用 HTTP 和 HTTPS 协议时，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 ，抓取工具会忽略不带 [path] 的指令。 本文介绍了 Google 对 REP 的解读。 同样 ，因为存在多个匹配规则时 ，请参阅 REP 的第 2.1 节 。例如 ， | ||||||||||||||||||||||||||||||
| http://example.com/page.php5 | allow: /page disallow: /*.ph 适用规则 ：allow: /page ，包含协议和主机，其他组会被忽略。这些指令始终以 directive: [path] 的形式指定，为此 ，Google 会使用限制性最弱的规则 。 文件格式robots.txt 文件必须是采用 UTF-8 编码的纯文本文件 ， 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 ：
| ||||||||||||||||||||||||||||||