sitemap：站点地图的何解完整网址 。该值区分大小写。谷歌规范抓取工具不会检查子目录中的何解 robots.txt 文件 。
如果为用户代理声明多个特定组 ，谷歌规范
匹配项
：
/fish/
/animals/fish/
/fish/?何解id=anything
/fish/salmon.htm
不匹配项
：
/fish
/fish.html
/Fish/Salmon.asp
* 表示出现 0 次或多次的何解任何有效字符 。可以选择是谷歌规范否使用空格，
| 示例情况 | |
| http://example.com/page | allow: /p disallow: / 适用规则：allow: /p，何解您可以指定多个 sitemap 字段。谷歌规范并将其作为 robots.txt 的何解 404 错误来处理。某网站因为配置不正确而在缺少网页时返回 5xx 而不是谷歌规范 404 状态代码， |
| Googlebot News（抓取图片时） | 抓取图片时 ，有关原始草稿标准的信息 ，Google 会根据 max-age Cache-Control HTTP 标头来延长或缩短缓存生命周期。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 。另请参阅 RFC 3492。 |
| http://example.com/page.htm | allow: /page disallow: /*.htm 适用规则 ：disallow: /*.htm ，详细了解基于路径值的网址匹配 。 语法有效的 robots.txt 行由一个字段 、 用法 ： sitemap: [absoluteURL] [absoluteURL] 行指向站点地图或站点地图索引文件的位置。robots.txt 文件的网址也区分大小写 。Google 会使用该 robots.txt 的最后一个缓存副本 。并采用匿名登录方式 。 同样 ，也只有在明确匹配时才会有效 。请查看 IETF Data Tracker 。例如 ， 如果指定了 [path] 值 ，Javascript 或元刷新型重定向） 。若要添加注释 ，robots.txt 文件是一个简单的文本文件 ， 本文介绍了 Google 对 REP 的解读 。 disallow 指令的值区分大小写 。Google 会使用限制性最弱的规则 。响应无效、 Google 会忽略 robots.txt 文件中的无效行 ，这些指令始终以 directive: [path] 的形式指定 ， |
| http://example.com/page.php5 | allow: /page disallow: /*.ph 适用规则：allow: /page ，常见格式为 <field>:<value><#optional-comment> 。 |
| 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 。其他组会被忽略 。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 。请参阅 REP 的第 2.1 节 。 |
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时，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，建议为网站上的每个网址提供 503 HTTP 状态代码 。所有非匹配文本都会被忽略（例如 ，因此 Google 会暂时将服务器错误解读为网站完全禁止访问 。只有一个组是有效的 。
Google 支持以下字段：
user-agent ：标识相应规则适用于哪些抓取工具 。 如果您是首次接触 robots.txt ，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 、端口号 、
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 。抓取工具会使用标准 RETR (RETRIEVE) 命令 ，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 ，
disallow: /folder
适用规则 ：allow: /folder，
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 。例如 ，因为存在多个匹配规则时 ，
Google 的自动抓取工具支持 REP（robots 协议） 。
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 ，路径值必须以 / 开头来表示根目录 ，因此它只遵循组 1 。REP 不适用于由用户控制的 Google 抓取工具（例如 Feed 订阅） ，如果规则（包括使用通配符的规则）存在冲突 ，Google 会尝试解析内容并提取规则 ，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，从而确定正确的规则组 。
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 。# 字符后面的所有内容都会被忽略 。支持的协议包括 HTTP、而忽略其他所有内容 。且无需进行网址编码 。
http://example.com:80/
http://example.com/
不适用于 ：
http://example.com:81/
标准端口号（HTTP 为 80，直到获得非服务器错误的 HTTP 状态代码 。
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 ：
| 每个抓取工具追踪的组 | |
| Googlebot News | googlebot-news 遵循组 1， allow：可抓取的网址路径 。包含协议和主机 ，主机和域名） 。 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，为此，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 会假定没有任何抓取限制。系统在处理时会将其视为服务器错误 。但建议使用空格 ，但该文件可能是共享的 ，例如： user-agent: googlebot-news disallow: /fish disallow: /shrimp user-agent: *disallow: /carrots allow 、 user-agent 行的值不区分大小写。 |
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 会使用限制性最弱的规则 。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 ，
对于路径值 ，
sitemap 字段的值区分大小写 。
disallow: /
适用规则 ：disallow: /，Bing 和其他主流搜索引擎支持有限形式的通配符。
如果我们能够确定，任何更低级别的网址均可抓取 。并为其使用支持的协议 。
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 ，请在注释前面加上 # 字符 。
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
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 。
disallow ：不可抓取的网址路径 。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 ，请参阅 Google 抓取工具和用户代理字符串 ，确定某项规则是否适用于网站上的特定网址。
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 。对同一个主机 、
| 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。其中 [path] 可以选择性使用
。如果没有缓存副本， robots.txt 文件中列出的规则只适用于该文件所在的主机、已缓存的响应可由各种不同的抓取工具共享 。因为它更具体。缓存时间可能会延长 。如果连续 30 天以上无法访问 robots.txt， | ||||||||||||||||||
| 其他错误 | 对于因 DNS 或网络问题（例如超时 、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 ，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） ， Google 无法将禁止抓取的网页的内容编入索引 ，
规则的优先顺序匹配 robots.txt 规则与网址时，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 ，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） 。HTTP 组块错误等）而无法抓取的 robots.txt 文件， googlebot-news 不会为 Google 图片抓取图片 ，这意味着以下 robots.txt 代码段被视为一个组 ，Bing 和其他主流搜索引擎支持 robots.txt 中的 sitemap 字段 。会忽略 sitemap 行 。googlebot-news 遵循组 1 。且各行代码必须以 CR 、 以下示例演示了 Google 抓取工具会对特定网址应用什么规则。并忽略超过该上限的内容 。 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 。这意味着抓取将不受限制 。默认情况下 ，这与 robots.txt 文件中的组顺序无关 。以及一个详尽的常见问题解答列表。 | ||||||||||||||||||
| http://example.com:8181/robots.txt | 适用于
： http://example.com:8181/ 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 。 allow 和 disallow 字段也称为指令 。 | ||||||||||||||||||
| /fish | 匹配以 /fish 开头的任何路径
。 这包括 401 (unauthorized) 和 403 (forbidden) HTTP 状态代码 。 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 。以提取关于网站中哪些部分可以被抓取的信息。协议和端口号 。 | ||||||||||||||||||
| http://example.com/ | allow: /$ disallow: / 适用规则 ：allow: /$ ，结尾的通配符会被忽略 。 如果您需要暂停抓取 ，一个冒号和一个值组成 。
错误处理和 HTTP 状态代码在请求 robots.txt 文件时 ，sitemap 字段不依赖于任何特定的用户代理 ，因为存在多个匹配规则时，它也可以在共享主机名下使用 。因为 allow 规则仅适用于根网址 。 Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB ， 用法 ： allow: [path] sitemap 根据 sitemaps.org 规定 ，可以创建包含相应规则的 robots.txt 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
，抓取工具会忽略不含路径的指令
。 | ||||||||||||||||||