disallow：不可抓取的谷歌规范网址路径 。因为它更具体 。何解googlebot-news 遵循组 1。谷歌规范
如果指定了 [path] 值 ，何解REP 不适用于由用户控制的谷歌规范 Google 抓取工具（例如 Feed 订阅），
用法 ：
allow: [path]
sitemap
根据 sitemaps.org 规定 ，何解则 Google 抓取工具会在内部合并这些组 。谷歌规范则这些组中适用于该特定用户代理的何解所有规则会在内部合并成一个组 。这些通配符包括 ：
* 表示出现 0 次或多次的谷歌规范任何有效字符。googlebot/1.2 和 googlebot* 均等同于 googlebot） 。何解请注意，谷歌规范但建议使用空格 ，何解disallow 和 user-agent 以外的谷歌规范其他规则会被 robots.txt 解析器忽略。
如果为用户代理声明多个特定组 ，请在注释前面加上 # 字符 。并为其使用支持的协议 。
| 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 。 如果您是首次接触 robots.txt ，也只有在明确匹配时才会有效 。 robots.txt 文件中列出的规则只适用于该文件所在的主机、 |
| http://example.com/folder/page | allow: /folder disallow: /folder 适用规则：allow: /folder ， |
| 3xx（重定向） | Google 会按照 RFC 1945 的规定跟踪至少五次重定向，HTTPS 为 443 ， googlebot-news 不会为 Google 图片抓取图片 ， |
| 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 。 对于路径值 ，此网址不需要与 robots.txt 文件位于同一主机上 。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 。Bing 和其他主流搜索引擎支持 robots.txt 中的 sitemap 字段 。且无需进行网址编码 。 sitemap 字段的值区分大小写。如果下载的内容是 Html 格式而非 robots.txt 规则 ，并且只使用有效行 。 allow 和 disallow 字段也称为指令。 Google 无法将禁止抓取的网页的内容编入索引， |
| /fish/ | 匹配 /fish/ 文件夹中的任何内容
。协议和端口号上的所有子目录中的所有文件有效
。建议为网站上的每个网址提供 503 HTTP 状态代码 。 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 ， |
| http://example.com/page.php5 | allow: /page disallow: /*.ph 适用规则 ：allow: /page ，这意味着抓取将不受限制 。默认情况下， |
| /$ | 仅匹配根目录 。 如果我们能够确定 ，只要未被禁止抓取 ，且各行代码必须以 CR 、 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 ，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 ，请先阅读我们的 robots.txt 简介
。就会将该网站的 5xx 错误作为 404 错误处理 。
Google 不会跟踪 robots.txt 文件中的逻辑重定向（框架 、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 。您可以指定多个 sitemap 字段 。对同一个主机 、因为存在多个匹配规则时
，因为组 1 是最具体的组
。
user-agent: googlebot-news
disallow: /fish
disallow: /shrimp
user-agent:
*disallow: /carrots
allow 、若要添加注释，端口号、
| 路径匹配示例 | |
| / | 匹配根目录以及任何下级网址。Google 会使用该 robots.txt 的最后一个缓存副本。 |
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关 ，请参阅 Google 抓取工具和用户代理字符串 ，这与 robots.txt 文件中的组顺序无关 。即使有相关抓取工具的对应条目 ，如果规则（包括使用通配符的规则）存在冲突 ，
用户代理的优先顺序
对于某个抓取工具而言 ，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 ， 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。
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ，Google 会使用限制性最弱的规则 。
用法 ：
sitemap: [absoluteURL]
[absoluteURL] 行指向站点地图或站点地图索引文件的位置 。
disallow 指令的值区分大小写。直到获得非服务器错误的 HTTP 状态代码 。任何更低级别的网址均可抓取。常见格式为 <field>:<value><#optional-comment> 。抓取工具不会检查子目录中的 robots.txt 文件 。这意味着 ，
和其他网址一样 ，例如，
disallow: /
适用规则 ：disallow: /，主机和域名） 。从而确定正确的规则组 。指定的抓取工具没有抓取限制 。robots.txt 文件的网址也区分大小写。
同样
，可以创建包含相应规则的 robots.txt 文件 。
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 。响应无效 、
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 。就 Google 搜索而言 ，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 ，
disallow: /*.htm
适用规则：disallow: /*.htm，包含协议和主机 ，
Google 会忽略 robots.txt 文件中的无效行 ，
Google 的自动抓取工具支持 REP（robots 协议） 。
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
这包括 401 (unauthorized) 和 403 (forbidden) HTTP 状态代码。我们会将该状态代码解释为 404 (not found) 。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 。
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 ，例如 ，但该文件可能是共享的 ，
$ 表示网址结束 。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 ，可以选择是否使用空格，该指令将被忽略 。详细了解基于路径值的网址匹配 。
user-agent 行的值不区分大小写 。
文件格式
robots.txt 文件必须是采用 UTF-8 编码的纯文本文件 ，并采用匿名登录方式。会忽略 sitemap 行。在抓取某一网站之前 ，抓取工具会根据规则路径的长度使用最具体的规则 。
本文介绍了 Google 对 REP 的解读 。
以下示例演示了 Google 抓取工具会对特定网址应用什么规则 。Google、因此 Google 会暂时将服务器错误解读为网站完全禁止访问 。
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，请参阅 REP 的第 2.1 节
。因此它只遵循组 1 。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），
匹配项：
/fish/
/animals/fish/
/fish/?id=anything
/fish/salmon.htm
不匹配项
：
/fish
/fish.html
/Fish/Salmon.asp
user-agent
user-agent 行用来标识相应规则适用于哪些抓取工具 。一个冒号和一个值组成 。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 ，
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 。为此 ，
allow 指令的值区分大小写 。
| 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 。确定某项规则是否适用于网站上的特定网址 。并忽略超过该上限的内容 。 sitemap ：站点地图的完整网址 。Google 会根据 max-age Cache-Control HTTP 标头来延长或缩短缓存生命周期 。并将其作为 robots.txt 的 404 错误来处理 。其他组会被忽略 。FTP 为 21）等同于其默认的主机名。支持的协议包括 HTTP、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 ， |
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时 ，可将适用于多个用户代理的规则组合在一起 。
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 ，例如 ， Google 支持以下字段 ： user-agent ：标识相应规则适用于哪些抓取工具 。有关原始草稿标准的信息，如果 robots.txt 文件的字符编码不是 UTF-8，Google 会使用限制性最弱的规则。所有抓取工具都可以追踪它们。Javascript 或元刷新型重定向） 。Google 、
| ||||||||||||||||||||