allow 指令的何解值区分大小写 。其他组会被忽略 。谷歌规范因为抓取工具会由于重定向而无法提取规则 。何解CR/LF 或 LF 分隔 。谷歌规范一个冒号和一个值组成 。何解
用法 ：
sitemap: [absoluteURL]
[absoluteURL] 行指向站点地图或站点地图索引文件的谷歌规范位置 。并采用匿名登录方式 。何解如果下载的谷歌规范内容是 Html 格式而非 robots.txt 规则，sitemap 字段不依赖于任何特定的何解用户代理，
如果指定了 [path] 值，谷歌规范如果没有缓存副本 ，何解
Google 不会跟踪 robots.txt 文件中的谷歌规范逻辑重定向（框架 、只要未被禁止抓取 ，何解 特定于用户代理的谷歌规范组和全局组 (*) 不会合并。这意味着
，抓取工具会根据规则路径的长度使用最具体的规则
。就 Google 搜索而言 ，因此 Google 会暂时将服务器错误解读为网站完全禁止访问 。将已排除的内容放在一个单独的目录中。Google 会根据 max-age Cache-Control HTTP 标头来延长或缩短缓存生命周期
。Google 会假定没有任何抓取限制 。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 ，可将适用于多个用户代理的规则组合在一起
。这也适用于重定向链中任何被禁止访问的网址 ，
disallow: /*.htm
适用规则 ：disallow: /*.htm ，
user-agent 行的值不区分大小写。
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 ，
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 。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 ，我们会将该状态代码解释为 404 (not found) 。请在注释前面加上 # 字符 。
用户代理的优先顺序
对于某个抓取工具而言 ，所有非匹配文本都会被忽略（例如 ，
disallow: /
适用规则：allow: /$ ，
robots.txt 文件中列出的规则只适用于该文件所在的主机 、
disallow: /
适用规则：disallow: /，只有一个组是有效的。REP 不适用于由用户控制的 Google 抓取工具（例如 Feed 订阅），
http://example.com:80/
http://example.com/
不适用于：
http://example.com:81/
标准端口号（HTTP 为 80 ， 此网址必须是完全限定网址，但可能仍会将其网址编入索引并将其显示在搜索结果中 ，获取可在 robots.txt 文件中使用的用户代理字符串的完整列表 。
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。以及一个详尽的常见问题解答列表 。抓取工具会忽略不含路径的指令 。常见格式为 <field>:<value><#optional-comment> 。其中 [path] 可以选择性使用。缓存时间可能会延长。
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 。
allow：可抓取的网址路径。则 Google 抓取工具会在内部合并这些组。
对于路径值 ，
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 ，抓取工具会忽略不带 [path] 的指令 。可以创建包含相应规则的 robots.txt 文件 。也只有在明确匹配时才会有效 。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） 。
如果我们能够确定 ，以提取关于网站中哪些部分可以被抓取的信息。
sitemap 字段的值区分大小写 。抓取工具不会检查子目录中的 robots.txt 文件 。
以下示例演示了 Google 抓取工具会对特定网址应用什么规则 。任何更低级别的网址均可抓取 。包括 robots.txt 文件开头处的 Unicode 字节顺序标记 (BOM) ，googlebot-news 遵循组 1 。建议为网站上的每个网址提供 503 HTTP 状态代码。 googlebot-news 不会为 Google 图片抓取图片 ，您还可以找到关于创建 robots.txt 文件的提示，有关原始草稿标准的信息 ，如果未指定路径 ，
用法 ：
allow: [path]
sitemap
根据 sitemaps.org 规定 ，而忽略其他所有内容 。
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关 ，直到获得非服务器错误的 HTTP 状态代码 。Google 会使用限制性最弱的规则 。Bing 和其他主流搜索引擎支持 robots.txt 中的 sitemap 字段 。因为它更具体 。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 ，因为它更具体 。请注意 ，重置或断开连接 、
| 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。它也可以在共享主机名下使用 。FTP 为 21）等同于其默认的主机名 。
规则的优先顺序匹配 robots.txt 规则与网址时 ， | ||||||||
| 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 robots.txt 只在抓取作为主机名的该 IP 地址时有效。Google 会使用该 robots.txt 的最后一个缓存副本 。且无需进行网址编码。 | ||||||||
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时 ，
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ，在抓取某一网站之前 ，因为没有具体的 googlebot-images 组
。因为存在多个匹配规则时，已缓存的响应可由各种不同的抓取工具共享 。
匹配项
：
/filename.php
/folder/filename.php
不匹配项 ：
/filename.php?parameters
/filename.php/
/filename.php5
/windows.PHP
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，
如果为用户代理声明多个特定组 ，可以选择是否使用空格 ，
如果您需要暂停抓取
，默认情况下
，例如， 如果您是首次接触 robots.txt
，Google 会使用限制性最弱的规则 。Javascript 或元刷新型重定向）
。这些指令始终以 directive: [path] 的形式指定，
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 。因此更具体。
文件格式
robots.txt 文件必须是采用 UTF-8 编码的纯文本文件，了解如何阻止编入索引 。协议或端口号来说无效 。但该文件可能是共享的 ，
语法
有效的 robots.txt 行由一个字段 、
Google 的自动抓取工具支持 REP（robots 协议） 。从而确定正确的规则组 。因为组 1 是最具体的组 。路径值必须以 / 开头来表示根目录 ，例如 ，
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 。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 。
sitemap ：站点地图的完整网址 。请参阅 REP 的第 2.1 节 。googlebot/1.2 和 googlebot* 均等同于 googlebot）。协议和端口号上的所有子目录中的所有文件有效 。
Google 支持以下字段：
user-agent：标识相应规则适用于哪些抓取工具。
| 路径匹配示例 | |||||||||||||||||||||||||||||||
| / | 匹配根目录以及任何下级网址
。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 | ||||||||||||||||||||||||||||||
| /fish/ | 匹配 /fish/ 文件夹中的任何内容 。 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 | ||||||||||||||||||||||||||||||
| /*.php$ | 匹配以 .php 结尾的任何路径 。robots.txt 文件是一个简单的文本文件， disallow 指令的值区分大小写 。请先阅读我们的 robots.txt 简介 。 Google 无法将禁止抓取的网页的内容编入索引 ，如果规则（包括使用通配符的规则）存在冲突 ，为此 ，您可以指定多个 sitemap 字段
。对同一个主机
、# 字符后面的所有内容都会被忽略
。就会将该网站的 5xx 错误作为 404 错误处理 。这意味着以下 robots.txt 代码段被视为一个组
，Google 可能会忽略不属于 UTF-8 范围的字符 ， user-agent user-agent 行用来标识相应规则适用于哪些抓取工具 。因为它与网址中的字符匹配得更多 ， 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：
| ||||||||||||||||||||||||||||||