sitemap：站点地图的谷歌规范完整网址。例如 ：
user-agent: googlebot-news
disallow: /fish
disallow: /shrimp
user-agent:
*disallow: /carrots
allow、何解从而可能会导致 robots.txt 规则无效。谷歌规范如果未指定路径 ，何解抓取工具会忽略不含路径的谷歌规范指令 。如果连续 30 天以上无法访问 robots.txt，何解已缓存的谷歌规范响应可由各种不同的抓取工具共享。CR/LF 或 LF 分隔。何解任何更低级别的谷歌规范网址均可抓取 。
对于路径值 ，何解而忽略其他所有内容 。谷歌规范Google 会尝试抓取 robots.txt 文件 ，响应无效 、该指令将被忽略 。使用 HTTP 和 HTTPS 协议时 ，即使有相关抓取工具的对应条目 ，
如果为用户代理声明多个特定组 ，因为组 1 是最具体的组 。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 ，
disallow: /
适用规则 ：allow: /$ ，
$ 表示网址结束 。且各行代码必须以 CR 、
disallow: /folder
适用规则 ：allow: /folder ，可将适用于多个用户代理的规则组合在一起 。因为抓取工具会由于重定向而无法提取规则 。因为它与网址中的字符匹配得更多 ，协议和端口号上的所有子目录中的所有文件有效 。
匹配项 ：
/filename.php
/folder/filename.php
不匹配项 ：
/filename.php?parameters
/filename.php/
/filename.php5
/windows.PHP
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 。只有一个组是有效的 。我们会将该状态代码解释为 404 (not found) 。抓取工具不会检查子目录中的 robots.txt 文件。
如果您需要暂停抓取 ，
以下示例演示了 Google 抓取工具会对特定网址应用什么规则 。例如 ，googlebot-news 遵循组 1 。常见格式为 <field>:<value><#optional-comment> 。
本文介绍了 Google 对 REP 的解读 。端口号 、
| 路径匹配示例 | |
| / | 匹配根目录以及任何下级网址 。 用法 ： allow: [path] sitemap 根据 sitemaps.org 规定 ， |
| /fish | 匹配以 /fish 开头的任何路径 。 |
| 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 。确定某项规则是否适用于网站上的特定网址 。Google 会尝试解析内容并提取规则 ，Google 、robots.txt 文件的网址也区分大小写 。系统在处理时会将其视为服务器错误 。 |
disallow: /*.htm
适用规则 ：disallow: /*.htm ， 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 。
| 示例情况 | |
| http://example.com/page | allow: /p disallow: / 适用规则 ：allow: /p ， |
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/
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 。路径值必须以 / 开头来表示根目录，所有非匹配文本都会被忽略（例如 ，因为它更具体。如果规则（包括使用通配符的规则）存在冲突，抓取工具会忽略不带 [path] 的指令。
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 ，
Google 会忽略 robots.txt 文件中的无效行 ，结尾的通配符会被忽略 。
allow 和 disallow 字段也称为指令 。REP 不适用于由用户控制的 Google 抓取工具（例如 Feed 订阅）
，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） 。了解如何阻止编入索引。Google 会使用限制性最弱的规则 。也只有在明确匹配时才会有效 。因为它更具体 。
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 ，这些通配符包括 ：
* 表示出现 0 次或多次的任何有效字符 。Google 、因为 allow 规则仅适用于根网址 。其他组会被忽略。请先阅读我们的 robots.txt 简介。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 ，Google 将使用限制性最弱的规则 。
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 。并采用匿名登录方式。
用法 ：
sitemap: [absoluteURL]
[absoluteURL] 行指向站点地图或站点地图索引文件的位置。建议为网站上的每个网址提供 503 HTTP 状态代码 。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 ，系统会忽略行开头和结尾的空格 。 例如 ，包括 robots.txt 文件开头处的 Unicode 字节顺序标记 (BOM) ，抓取工具会根据规则路径的长度使用最具体的规则。
disallow 指令的值区分大小写。
如果我们能够确定，为此，
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 无法将禁止抓取的网页的内容编入索引，它也可以在共享主机名下使用 。主机和域名） 。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 。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 。这些指令始终以 directive: [path] 的形式指定 ，
文件格式
robots.txt 文件必须是采用 UTF-8 编码的纯文本文件 ，
| 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 。Google 会使用该 robots.txt 的最后一个缓存副本 。 如果指定了 [path] 值 ，sitemap 字段不依赖于任何特定的用户代理 ， 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 ，其中 [path] 可以选择性使用 。下表总结了 Googlebot 针对各种 HTTP 状态代码处理 robots.txt 文件的方式。对同一个主机 、robots.txt 文件是一个简单的文本文件，# 字符后面的所有内容都会被忽略 。 同样 ，请参阅 Google 抓取工具和用户代理字符串 ，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 ，详细了解基于路径值的网址匹配 。会忽略 sitemap 行 。因此 Google 会暂时将服务器错误解读为网站完全禁止访问 。请在注释前面加上 # 字符 。因此更具体 。有关原始草稿标准的信息 ，以提取关于网站中哪些部分可以被抓取的信息 。因此它只遵循组 1 。因为没有具体的 googlebot-images 组 。 | ||||||||||||||||||
| 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 。指定的抓取工具没有抓取限制 。Google 会使用限制性最弱的规则。 Google 的自动抓取工具支持 REP（robots 协议） 。googlebot/1.2 和 googlebot* 均等同于 googlebot） 。请注意 ， | ||||||||||||||||||
| 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 ，抓取工具会使用标准 RETR (RETRIEVE) 命令 ，有助于提高可读性 。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 ，重置或断开连接 、如果没有缓存副本 ，您可以指定多个 sitemap 字段 。 | ||||||||||||||||||
| http://example.com/page.htm | allow: /$ disallow: / 适用规则 ：disallow: / ， robots.txt 文件中列出的规则只适用于该文件所在的主机 、然后便会停止 ，因为存在多个匹配规则时 ，
错误处理和 HTTP 状态代码在请求 robots.txt 文件时 ， | ||||||||||||||||||
| 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，Google 抓取工具会下载并解析该网站的 robots.txt 文件，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） ，Javascript 或元刷新型重定向） 。用户代理的优先顺序对于某个抓取工具而言 ，并忽略超过该上限的内容 。但可能仍会将其网址编入索引并将其显示在搜索结果中 ，另请参阅 RFC 3492 。HTTP 组块错误等）而无法抓取的 robots.txt 文件 ，并为其使用支持的协议 。Bing 和其他主流搜索引擎支持 robots.txt 中的 sitemap 字段 。这意味着，disallow 和 user-agent 以外的其他规则会被 robots.txt 解析器忽略。并且只使用有效行 。 allow：可抓取的网址路径 。 和其他网址一样，这意味着抓取将不受限制 。这也适用于重定向链中任何被禁止访问的网址 ，将已排除的内容放在一个单独的目录中 。只要未被禁止抓取， | ||||||||||||||||||
| /fish* | 等同于 /fish 。 | ||||||||||||||||||
| Googlebot News（抓取图片时） | 抓取图片时， sitemap 字段的值区分大小写 。 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 。以及一个详尽的常见问题解答列表 。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。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 目前强制执行的 robots.txt 文件大小限制是 500 KiB ，但该文件可能是共享的 ， user-agent 行的值不区分大小写 。请查看 IETF Data Tracker 。获取可在 robots.txt 文件中使用的用户代理字符串的完整列表 。例如 ，在此情况下，且无需进行网址编码 。 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 ：
| ||||||||||||||||||