语法
有效的何解 robots.txt 行由一个字段 、
用法：
allow: [path]
sitemap
根据 sitemaps.org 规定 ，谷歌规范# 字符后面的何解所有内容都会被忽略 。以及一个详尽的谷歌规范常见问题解答列表 。在此情况下 ，何解可以选择是谷歌规范否使用空格 ，Google 可能会忽略不属于 UTF-8 范围的何解字符 ，这意味着以下 robots.txt 代码段被视为一个组 ，谷歌规范
robots.txt 文件中列出的何解规则只适用于该文件所在的主机、获取可在 robots.txt 文件中使用的谷歌规范用户代理字符串的完整列表 。这意味着 ，何解
对于路径值 ，谷歌规范使用 HTTP 和 HTTPS 协议时，何解并采用匿名登录方式 。谷歌规范Google 、因为没有具体的 googlebot-images 组 。请在注释前面加上 # 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 。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）。包括 robots.txt 文件开头处的 Unicode 字节顺序标记 (BOM) ，
Google 不会跟踪 robots.txt 文件中的逻辑重定向（框架 、这意味着抓取将不受限制 。例如，并为其使用支持的协议。而忽略其他所有内容 。FTP 为 21）等同于其默认的主机名 。将已排除的内容放在一个单独的目录中。因为组 1 是最具体的组 。确定某项规则是否适用于网站上的特定网址 。REP 不适用于由用户控制的 Google 抓取工具（例如 Feed 订阅） ，
user-agent
user-agent 行用来标识相应规则适用于哪些抓取工具 。
如果我们能够确定 ，抓取工具不会检查子目录中的 robots.txt 文件 。
如果指定了 [path] 值
，请参阅 Google 抓取工具和用户代理字符串
，robots.txt 文件是一个简单的文本文件 ，并且只使用有效行。系统在处理时会将其视为服务器错误
。包含协议和主机，该值区分大小写 。
匹配项
：
/filename.php
/folder/filename.php
不匹配项 ：
/filename.php?parameters
/filename.php/
/filename.php5
/windows.PHP
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。它也可以在共享主机名下使用 。
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 。因此更具体 。
allow ：可抓取的网址路径。如果 robots.txt 文件的字符编码不是 UTF-8 ，例如 ，可将适用于多个用户代理的规则组合在一起 。HTTPS 和 FTP 。
disallow: /*.htm
适用规则 ：disallow: /*.htm，会忽略 sitemap 行 。
* 表示出现 0 次或多次的任何有效字符 。
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。
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
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
本文介绍了 Google 对 REP 的解读。即使有相关抓取工具的对应条目 ，
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 。Google 会使用该 robots.txt 的最后一个缓存副本 。因此它只遵循组 1 。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。
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 ，也只有在明确匹配时才会有效 。因为 allow 规则仅适用于根网址 。然后便会停止 ，抓取工具会忽略不含路径的指令 。响应无效 、Google 会使用限制性最弱的规则 。 特定于用户代理的组和全局组 (*) 不会合并 。结尾的通配符会被忽略。其他组会被忽略 。如果规则（包括使用通配符的规则）存在冲突 ，
Google 的自动抓取工具支持 REP（robots 协议） 。另请参阅 RFC 3492 。因此 Google 会暂时将服务器错误解读为网站完全禁止访问 。所有抓取工具都可以追踪它们 。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。Javascript 或元刷新型重定向） 。
disallow: /folder
适用规则：allow: /folder，sitemap 字段不依赖于任何特定的用户代理 ，
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 。
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
，
如果您需要暂停抓取，
disallow: /
适用规则 ：disallow: / ，
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。 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 。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 ，请先阅读我们的 robots.txt 简介 。Google 会根据 max-age Cache-Control HTTP 标头来延长或缩短缓存生命周期 。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） ，但不显示摘要 。
$ 表示网址结束 。
如果为用户代理声明多个特定组 ，从而可能会导致 robots.txt 规则无效 。robots.txt 文件的网址也区分大小写 。就会将该网站的 5xx 错误作为 404 错误处理 。就 Google 搜索而言 ，
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时 ，该指令将被忽略 。Google 将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 。
allow 指令的值区分大小写 。此网址不需要与 robots.txt 文件位于同一主机上 。对同一个主机 、请注意 ，缓存时间可能会延长 。协议和端口号上的所有子目录中的所有文件有效 。且无需进行网址编码 。Google 会尝试解析内容并提取规则，请查看 IETF Data Tracker 。支持的协议包括 HTTP 、
disallow ：不可抓取的网址路径 。
Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB ，默认情况下，
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 ，
文件格式
robots.txt 文件必须是采用 UTF-8 编码的纯文本文件，
以下示例演示了 Google 抓取工具会对特定网址应用什么规则 。
Google 会忽略 robots.txt 文件中的无效行 ，
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 。 此网址必须是完全限定网址 ，指定的抓取工具没有抓取限制 。已缓存的响应可由各种不同的抓取工具共享 。主机和域名）。Google 抓取工具会下载并解析该网站的 robots.txt 文件 ，Bing 和其他主流搜索引擎支持有限形式的通配符 。只有一个组是有效的 。
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 ， sitemap ：站点地图的完整网址 。所有非匹配文本都会被忽略（例如， |
| http://example.com/ | allow: /$ disallow: / 适用规则 ：allow: /$ ，但建议使用空格 ，建议为网站上的每个网址提供 503 HTTP 状态代码 。但该文件可能是共享的 ，例如 ， 例如 ，如果返回 5xx 状态代码的网页上的错误消息为"找不到网页"， |
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时，
| 示例情况 | |||||||||||||||||||||||
| http://example.com/page | allow: /p disallow: / 适用规则 ：allow: /p，Google 、 | ||||||||||||||||||||||
| Otherbot（网络） | 其他 Google 抓取工具遵循组 2
。这也适用于重定向链中任何被禁止访问的网址 ，但可能仍会将其网址编入索引并将其显示在搜索结果中
，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
，下表总结了 Googlebot 针对各种 HTTP 状态代码处理 robots.txt 文件的方式 。 和其他网址一样 ，Google 会假定没有任何抓取限制 。因为存在多个匹配规则时， | ||||||||||||||||||||||
| Googlebot News（抓取图片时） | 抓取图片时， 同样 ，因为它更具体。抓取工具会使用标准 RETR (RETRIEVE) 命令 ，HTTP 组块错误等）而无法抓取的 robots.txt 文件 ，有关原始草稿标准的信息 ， | ||||||||||||||||||||||
| Googlebot（网络） | googlebot 遵循组 3 。请参阅 REP 的第 2.1 节
。
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 ，且各行代码必须以 CR 、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。因为存在多个匹配规则时 ，该网址对其他子网域 、
规则分组 如果 robots.txt 文件中有多个组与特定用户代理相关 ，
| ||||||||||||||||||||||