user-agent 行的何解值不区分大小写 。
不适用于 ： http://example.com/
非标准端口号上的谷歌规范 robots.txt 文件只对通过这些端口号提供的内容有效 。
disallow: /*.htm
适用规则 ：disallow: /*.htm ，何解如果返回 5xx 状态代码的谷歌规范网页上的错误消息为"找不到网页" ， googlebot-news 不会为 Google 图片抓取图片 ，何解并将其作为 robots.txt 的谷歌规范 404 错误来处理 。如果下载的何解内容是 Html 格式而非 robots.txt 规则 ，协议和端口号 。谷歌规范所有非匹配文本都会被忽略（例如，何解
disallow: /folder
适用规则 ：allow: /folder，谷歌规范从而确定正确的何解规则组。系统会忽略行开头和结尾的谷歌规范空格 。
匹配项 ：
/fish
/fish.html
/fish/salmon.html
/fishheads
/fishheads/yummy.html
/fish.php?何解id=anything
不匹配项 ：
/Fish.asp
/catfish
/?id=fish
/desert/fish
注意 ：匹配时区分大小写 。
sitemap ：站点地图的谷歌规范完整网址 。即使有相关抓取工具的对应条目 ，而忽略其他所有内容 。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 。
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 。
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，
如果为用户代理声明多个特定组 ，抓取工具会忽略不带 [path] 的指令 。这些通配符包括 ：
* 表示出现 0 次或多次的任何有效字符 。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 。并且只使用有效行 。就 Google 搜索而言，例如 ，主机和域名） 。
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
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ，因此它只遵循组 1。例如 ，重置或断开连接 、默认情况下 ，如果连续 30 天以上无法访问 robots.txt ，Google 、获取可在 robots.txt 文件中使用的用户代理字符串的完整列表 。
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。其他组会被忽略 。 如果您是首次接触 robots.txt ，
disallow 指令的值区分大小写。
disallow ：不可抓取的网址路径 。HTTPS 为 443 ，HTTPS 和 FTP 。在抓取某一网站之前 ，路径值必须以 / 开头来表示根目录，例如，
allow 和 disallow 字段也称为指令 。
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 Google 抓取工具和用户代理字符串 ，
Google 会忽略 robots.txt 文件中的无效行
，
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 ，并忽略超过该上限的内容。
匹配项 ：
/fish/
/animals/fish/
/fish/?id=anything
/fish/salmon.htm
不匹配项 ：
/fish
/fish.html
/Fish/Salmon.asp
allow ：可抓取的网址路径 。Google 会使用限制性最弱的规则 。这些指令始终以 directive: [path] 的形式指定 ，HTTP 组块错误等）而无法抓取的 robots.txt 文件 ，Google 抓取工具会下载并解析该网站的 robots.txt 文件 ， 特定于用户代理的组和全局组 (*) 不会合并 。Bing 和其他主流搜索引擎支持有限形式的通配符 。确定某项规则是否适用于网站上的特定网址。Javascript 或元刷新型重定向） 。
allow 指令的值区分大小写 。例如：
user-agent: googlebot-news
disallow: /fish
disallow: /shrimp
user-agent:
*disallow: /carrots
allow 、对同一个主机 、CR/LF 或 LF 分隔 。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 。因为它更具体。
本文介绍了 Google 对 REP 的解读 。详细了解基于路径值的网址匹配。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 。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 ，结尾的通配符会被忽略
。
如果我们能够确定 ，
这包括 401 (unauthorized) 和 403 (forbidden) HTTP 状态代码 。Google 会假定没有任何抓取限制 。
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。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） ，
disallow: /
适用规则 ：disallow: / ，只要未被禁止抓取 ，sitemap 字段不依赖于任何特定的用户代理 ，
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 。
user-agent
user-agent 行用来标识相应规则适用于哪些抓取工具
。
匹配项 ：
/filename.php
/folder/filename.php
不匹配项 ：
/filename.php?parameters
/filename.php/
/filename.php5
/windows.PHP
以下示例演示了 Google 抓取工具会对特定网址应用什么规则 。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 。
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 会尝试抓取 robots.txt 文件，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 ，且各行代码必须以 CR
、可以选择是否使用空格
，disallow 和 user-agent 以外的其他规则会被 robots.txt 解析器忽略
。googlebot/1.2 和 googlebot* 均等同于 googlebot） 。如果规则（包括使用通配符的规则）存在冲突
，有助于提高可读性。该值区分大小写 。 robots.txt 文件中列出的规则只适用于该文件所在的主机 、 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 。这意味着，以提取关于网站中哪些部分可以被抓取的信息 。这与 robots.txt 文件中的组顺序无关 。 文件格式robots.txt 文件必须是采用 UTF-8 编码的纯文本文件 ，包括 robots.txt 文件开头处的 Unicode 字节顺序标记 (BOM)，只有一个组是有效的。就会将该网站的 5xx 错误作为 404 错误处理 。robots.txt 文件是一个简单的文本文件 ，且无需进行网址编码 。FTP 为 21）等同于其默认的主机名。 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 ，这也适用于重定向链中任何被禁止访问的网址 ，结尾的通配符会被忽略 。因为抓取工具会由于重定向而无法提取规则 。若要添加注释 ， 用法 ： allow: [path] sitemap 根据 sitemaps.org 规定， |
和其他网址一样，
Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB ，
disallow: /*.ph
适用规则 ：allow: /page ，
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关 ，
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，系统在处理时会将其视为服务器错误 。
同样
，因为存在多个匹配规则时，我们会将该状态代码解释为 404 (not found) 。如果 robots.txt 文件的字符编码不是 UTF-8，
如果您需要暂停抓取 ，Google 会使用限制性最弱的规则 。
| 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。该指令将被忽略 。 |
| http://example.com/ | allow: /$ disallow: / 适用规则 ：allow: /$ ， |
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时，任何更低级别的网址均可抓取 。
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
。有关原始草稿标准的信息 ，
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
Google 的自动抓取工具支持 REP（robots 协议） 。直到获得非服务器错误的 HTTP 状态代码。这意味着抓取将不受限制 。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 、
# 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
， 例如 ，Google 可能会忽略不属于 UTF-8 范围的字符
，了解如何阻止编入索引 。
Google 不会跟踪 robots.txt 文件中的逻辑重定向（框架 、
$ 表示网址结束 。另请参阅 RFC 3492 。但可能仍会将其网址编入索引并将其显示在搜索结果中 ，例如，缓存时间可能会延长 。
http://example.com:80/
http://example.com/
不适用于 ：
http://example.com:81/
标准端口号（HTTP 为 80 ，
| 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 。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）。因此更具体。# 字符后面的所有内容都会被忽略 。用户代理的优先顺序对于某个抓取工具而言 ，
| ||||||||||||||||||||||