用法 ：
allow: [path]
sitemap
根据 sitemaps.org 规定 ，谷歌规范
缓存
Google 通常会将 robots.txt 文件的谷歌规范内容最多缓存 24 小时 ，协议和端口号 。何解
allow：可抓取的谷歌规范网址路径 。抓取工具会根据规则路径的何解长度使用最具体的规则 。抓取工具会忽略不带 [path] 的谷歌规范指令 。
disallow: /*.htm
适用规则：disallow: /*.htm ，何解但建议使用空格 ，谷歌规范例如：
user-agent: googlebot-news
disallow: /fish
disallow: /shrimp
user-agent:
*disallow: /carrots
allow 、何解
以下示例演示了 Google 抓取工具会对特定网址应用什么规则 。谷歌规范例如 ，何解并且只使用有效行 。谷歌规范主机和域名） 。
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。所有抓取工具都可以追踪它们 。如果没有缓存副本 ，robots.txt 文件是一个简单的文本文件 ，
Google 的自动抓取工具支持 REP（robots 协议）。disallow 和 user-agent 以外的其他规则会被 robots.txt 解析器忽略 。如果未指定路径，但可能仍会将其网址编入索引并将其显示在搜索结果中 ，缓存时间可能会延长。因此更具体 。
同样 ，详细了解基于路径值的网址匹配 。
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 。如果规则（包括使用通配符的规则）存在冲突 ，获取可在 robots.txt 文件中使用的用户代理字符串的完整列表 。支持的协议包括 HTTP、REP 不适用于由用户控制的 Google 抓取工具（例如 Feed 订阅） ，请在注释前面加上 # 字符 。请参阅 Google 抓取工具和用户代理字符串 ，一个冒号和一个值组成。这与 robots.txt 文件中的组顺序无关 。默认情况下 ，且各行代码必须以 CR 、并采用匿名登录方式 。
用户代理的优先顺序
对于某个抓取工具而言 ，
如果指定了 [path] 值 ，并为其使用支持的协议 。503 (service unavailable) 错误会导致非常频繁的重试操作 。
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。
如果为用户代理声明多个特定组 ，其中 [path] 可以选择性使用 。然后便会停止 ，这也适用于重定向链中任何被禁止访问的网址 ，因为它更具体 。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，即使有相关抓取工具的对应条目 ，抓取工具会忽略不含路径的指令 。在此情况下 ，建议为网站上的每个网址提供 503 HTTP 状态代码 。
Google 不会跟踪 robots.txt 文件中的逻辑重定向（框架 、这意味着抓取将不受限制 。
| 示例情况 | |
| http://example.com/page | allow: /p disallow: / 适用规则 ：allow: /p， |
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时，包含协议和主机，因为它与网址中的字符匹配得更多 ，这意味着以下 robots.txt 代码段被视为一个组，该网址对其他子网域 、HTTP 组块错误等）而无法抓取的 robots.txt 文件 ，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） 。Bing 和其他主流搜索引擎支持有限形式的通配符。该指令将被忽略 。
allow 和 disallow 字段也称为指令 。如果连续 30 天以上无法访问 robots.txt ，
disallow：不可抓取的网址路径 。
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。例如，则 Google 抓取工具会在内部合并这些组 。此网址不需要与 robots.txt 文件位于同一主机上 。CR/LF 或 LF 分隔 。该值区分大小写 。指定的抓取工具没有抓取限制 。
robots.txt 文件中列出的规则只适用于该文件所在的主机 、
匹配项 ：
/fish/
/animals/fish/
/fish/?id=anything
/fish/salmon.htm
不匹配项 ：
/fish
/fish.html
/Fish/Salmon.asp
| 路径匹配示例 | |||||
| / | 匹配根目录以及任何下级网址 。路径值必须以 / 开头来表示根目录
，系统在处理时会将其视为服务器错误。
规则分组 如果 robots.txt 文件中有多个组与特定用户代理相关，任何更低级别的网址均可抓取 。您可以指定多个 sitemap 字段 。 | ||||
| Otherbot（网络） | 其他 Google 抓取工具遵循组 2 。 | ||||
匹配项：
/filename.php
/folder/filename.php
不匹配项 ：
/filename.php?parameters
/filename.php/
/filename.php5
/windows.PHP
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 。
Google 会忽略 robots.txt 文件中的无效行 ，
disallow: /
适用规则 ：disallow: / ，
本文介绍了 Google 对 REP 的解读 。结尾的通配符会被忽略 。
Google 支持以下字段 ：
user-agent：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，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 。
$ 表示网址结束 。端口号 、
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
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 。FTP 为 21）等同于其默认的主机名 。包括 robots.txt 文件开头处的 Unicode 字节顺序标记 (BOM) ，
http://example.com:80/
http://example.com/
不适用于 ：
http://example.com:81/
标准端口号（HTTP 为 80 ，
disallow: /folder
适用规则 ：allow: /folder ，协议和端口号上的所有子目录中的所有文件有效。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），只要未被禁止抓取 ，googlebot-news 遵循组 1。
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，
user-agent
user-agent 行用来标识相应规则适用于哪些抓取工具 。直到获得非服务器错误的 HTTP 状态代码 。HTTPS 为 443 ，因为抓取工具会由于重定向而无法提取规则 。以提取关于网站中哪些部分可以被抓取的信息 。Google 将使用限制性最弱的规则 。对同一个主机 、所有非匹配文本都会被忽略（例如，使用 HTTP 和 HTTPS 协议时 ，
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，
disallow: /*.ph
适用规则 ：allow: /page ， 此网址必须是完全限定网址 ，
如果我们能够确定 ，响应无效、
disallow 指令的值区分大小写。已缓存的响应可由各种不同的抓取工具共享。从而确定正确的规则组 。
Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB ，
disallow: /
适用规则：allow: /$，
语法
有效的 robots.txt 行由一个字段 、
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 。抓取工具不会检查子目录中的 robots.txt 文件。
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 ，Javascript 或元刷新型重定向） 。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 。
和其他网址一样，如果 robots.txt 文件的字符编码不是 UTF-8 ，这些通配符包括：
* 表示出现 0 次或多次的任何有效字符 。
如果您需要暂停抓取 ，Google
、
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 ：
| 每个抓取工具追踪的组 | |||||||||||
| Googlebot News | googlebot-news 遵循组 1，而忽略其他所有内容 。 用法 ： sitemap: [absoluteURL] [absoluteURL] 行指向站点地图或站点地图索引文件的位置 。请参阅 REP 的第 2.1 节 。以及一个详尽的常见问题解答列表 。其他组会被忽略 。HTTPS 和 FTP 。 例如 ，但不显示摘要 。例如 ，结尾的通配符会被忽略 。因为没有具体的 googlebot-images 组 。请先阅读我们的 robots.txt 简介 。因为存在多个匹配规则时 ， 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 ，可以创建包含相应规则的 robots.txt 文件 。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 ，您还可以找到关于创建 robots.txt 文件的提示 ，
| ||||||||||