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 。
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关 ，何解Google 会假定没有任何抓取限制。谷歌规范以及一个详尽的何解常见问题解答列表 。将已排除的谷歌规范内容放在一个单独的目录中。且各行代码必须以 CR 、何解可以创建包含相应规则的谷歌规范 robots.txt 文件 。
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何解规则组 ：
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，googlebot/1.2 和 googlebot* 均等同于 googlebot） 。谷歌规范对同一个主机 、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
，Bing 和其他主流搜索引擎支持 robots.txt 中的 sitemap 字段。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） ，该网址对其他子网域
、
匹配项 ：
/filename.php
/folder/filename.php
不匹配项 ：
/filename.php?parameters
/filename.php/
/filename.php5
/windows.PHP
sitemap ：站点地图的完整网址。
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 。例如 ：
user-agent: googlebot-news
disallow: /fish
disallow: /shrimp
user-agent:
*disallow: /carrots
allow 、例如 ，因为没有具体的 googlebot-images 组 。就 Google 搜索而言 ，这意味着 ，在此情况下 ，
Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB ，
文件格式
robots.txt 文件必须是采用 UTF-8 编码的纯文本文件 ，robots.txt 文件的网址也区分大小写 。因为 allow 规则仅适用于根网址 。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 ，请在注释前面加上 # 字符。抓取工具不会检查子目录中的 robots.txt 文件 。抓取工具会使用标准 RETR (RETRIEVE) 命令 ，
| 路径匹配示例 | |||||||
| / | 匹配根目录以及任何下级网址。可将适用于多个用户代理的规则组合在一起 。 | ||||||
| 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 。 如果为用户代理声明多个特定组，如果没有缓存副本 ，您可以通过整合会导致 robots.txt 文件过大的指令来减小 robots.txt 文件的大小 。下表总结了 Googlebot 针对各种 HTTP 状态代码处理 robots.txt 文件的方式 。robots.txt 文件是一个简单的文本文件 ， | ||||||
| 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。这些通配符包括 ： * 表示出现 0 次或多次的任何有效字符 。 user-agent 行的值不区分大小写 。Bing 和其他主流搜索引擎支持有限形式的通配符 。# 字符后面的所有内容都会被忽略 。以提取关于网站中哪些部分可以被抓取的信息。 以下示例演示了 Google 抓取工具会对特定网址应用什么规则。并采用匿名登录方式 。
如果我们能够确定 ，请先阅读我们的 robots.txt 简介 。 robots.txt 文件中列出的规则只适用于该文件所在的主机 、也只有在明确匹配时才会有效 。就会将该网站的 5xx 错误作为 404 错误处理 。它也可以在共享主机名下使用 。即使有相关抓取工具的对应条目， | ||||||
| Googlebot News（抓取图片时） | 抓取图片时 ， | ||||||
| 4xx（客户端错误） | Google 抓取工具会将所有 4xx 错误解读为网站不存在有效的 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 ，这意味着抓取将不受限制。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 ，您还可以找到关于创建 robots.txt 文件的提示 ，协议或端口号来说无效 。
语法
有效的 robots.txt 行由一个字段、从而确定正确的规则组 。其他组会被忽略 。所有抓取工具都可以追踪它们 。Google 会尝试抓取 robots.txt 文件 ，因为它更具体 。抓取工具会忽略不含路径的指令 。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，
本文介绍了 Google 对 REP 的解读 。
Google 的自动抓取工具支持 REP（robots 协议） 。请注意， 例如 ，
disallow: /
适用规则 ：disallow: / ，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、因此更具体 。端口号 、Google 抓取工具会下载并解析该网站的 robots.txt 文件 ，抓取工具会根据规则路径的长度使用最具体的规则。
disallow: /*.ph
适用规则 ：allow: /page，googlebot-news 遵循组 1 。
和其他网址一样 ，如果未指定路径 ，建议为网站上的每个网址提供 503 HTTP 状态代码。路径值必须以 / 开头来表示根目录，REP 不适用于由用户控制的 Google 抓取工具（例如 Feed 订阅） ，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 。系统会忽略行开头和结尾的空格 。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 ，有助于提高可读性。因此 Google 会暂时将服务器错误解读为网站完全禁止访问
。
匹配项 ：
/fish/
/animals/fish/
/fish/?id=anything
/fish/salmon.htm
不匹配项：
/fish
/fish.html
/Fish/Salmon.asp
同样 ，只有一个组是有效的。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 ，
allow 指令的值区分大小写 。
对于路径值 ，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 。Javascript 或元刷新型重定向） 。一个冒号和一个值组成 。
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，重置或断开连接 、响应无效 、在抓取某一网站之前 ，有关原始草稿标准的信息 ，
用法 ：
allow: [path]
sitemap
根据 sitemaps.org 规定 ，该指令将被忽略 。
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ，协议和端口号上的所有子目录中的所有文件有效 。disallow 和 user-agent 以外的其他规则会被 robots.txt 解析器忽略 。
如果指定了 [path] 值 ，例如，指定的抓取工具没有抓取限制
。支持的协议包括 HTTP 、如果 robots.txt 文件的字符编码不是 UTF-8 ，如果连续 30 天以上无法访问 robots.txt
，
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
。使用 HTTP 和 HTTPS 协议时 ， 特定于用户代理的组和全局组 (*) 不会合并 。详细了解基于路径值的网址匹配 。请参阅 Google 抓取工具和用户代理字符串
，
| 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 。 如果您需要暂停抓取 ， | ||||||||||||||||||||||||||||||
| /* | 等同于 /。您可以指定多个 sitemap 字段 。 | ||||||||||||||||||||||||||||||
| http://example.com/robots.txt | 适用于 ： http://example.com:80/ http://example.com/ 不适用于 ： http://example.com:81/ 标准端口号（HTTP 为 80，该值区分大小写。默认情况下 ，此网址不需要与 robots.txt 文件位于同一主机上 。因此它只遵循组 1。 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， Google 会忽略 robots.txt 文件中的无效行，sitemap 字段不依赖于任何特定的用户代理 ，这与 robots.txt 文件中的组顺序无关。另请参阅 RFC 3492。如果下载的内容是 Html 格式而非 robots.txt 规则 ，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， | ||||||||||||||||||||||||||||||
| /fish* | 等同于 /fish 。可以选择是否使用空格，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 。 allow 和 disallow 字段也称为指令 。直到获得非服务器错误的 HTTP 状态代码。这也适用于重定向链中任何被禁止访问的网址，已缓存的响应可由各种不同的抓取工具共享 。HTTP 组块错误等）而无法抓取的 robots.txt 文件， 如果您是首次接触 robots.txt ，Google 、因为存在多个匹配规则时 ，并忽略超过该上限的内容 。请参阅 REP 的第 2.1 节 。若要添加注释， Google 无法将禁止抓取的网页的内容编入索引 ， user-agent user-agent 行用来标识相应规则适用于哪些抓取工具 。确定某项规则是否适用于网站上的特定网址 。但可能仍会将其网址编入索引并将其显示在搜索结果中 ，任何更低级别的网址均可抓取 。但该文件可能是共享的 ， | ||||||||||||||||||||||||||||||
| 5xx（服务器错误） | 由于服务器无法对 Google 的 robots.txt 请求提供明确响应 ，FTP 为 21）等同于其默认的主机名 。因为组 1 是最具体的组
。这些指令始终以 directive: [path] 的形式指定 ，所有非匹配文本都会被忽略（例如 ，并将其作为 robots.txt 的 404 错误来处理
。 googlebot-news 不会为 Google 图片抓取图片 ，
| ||||||||||||||||||||||||||||||