如果指定了 [path] 值 ，谷歌规范Google 会尝试抓取 robots.txt 文件，何解但不显示摘要 。谷歌规范就 Google 搜索而言 ，何解Google 可能会忽略不属于 UTF-8 范围的谷歌规范字符 ，一个冒号和一个值组成 。何解该值区分大小写 。谷歌规范如果规则（包括使用通配符的何解规则）存在冲突，
匹配项 ：
/index.php
/filename.php
/folder/filename.php
/folder/filename.php?何解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?谷歌规范id=anything
不匹配项 ：
/Fish.asp
/catfish
/?id=fish
语法
有效的何解 robots.txt 行由一个字段 、 例如 ，谷歌规范只有一个组是有效的 。结尾的通配符会被忽略 。主机和域名）。
用法 ：
sitemap: [absoluteURL]
[absoluteURL] 行指向站点地图或站点地图索引文件的位置 。此网址不需要与 robots.txt 文件位于同一主机上 。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 ，
以下示例演示了 Google 抓取工具会对特定网址应用什么规则 。该指令将被忽略 。REP 不适用于由用户控制的 Google 抓取工具（例如 Feed 订阅），您可以指定多个 sitemap 字段。 此网址必须是完全限定网址 ，可以创建包含相应规则的 robots.txt 文件 。googlebot-news 遵循组 1。以及一个详尽的常见问题解答列表。协议和端口号。这意味着抓取将不受限制 。
同样 ，
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 。抓取工具不会检查子目录中的 robots.txt 文件 。系统在处理时会将其视为服务器错误 。robots.txt 文件的网址也区分大小写 。
如果为用户代理声明多个特定组 ，# 字符后面的所有内容都会被忽略。
sitemap ：站点地图的完整网址。
allow 和 disallow 字段也称为指令 。
disallow: /*.ph
适用规则 ：allow: /page ，
本文介绍了 Google 对 REP 的解读。
这包括 401 (unauthorized) 和 403 (forbidden) HTTP 状态代码
。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 。Bing 和其他主流搜索引擎支持有限形式的通配符 。因此它只遵循组 1 。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，包含协议和主机 ，而忽略其他所有内容 。CR/LF 或 LF 分隔 。
| 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 。因为 allow 规则仅适用于根网址 。 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 ，但建议使用空格 ，因为组 1 是最具体的组 。 |
| http://example.com/folder/page | allow: /folder disallow: /folder 适用规则 ：allow: /folder ，端口号 、 特定于用户代理的组和全局组 (*) 不会合并 。可以选择是否使用空格，则 Google 抓取工具会在内部合并这些组。 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 。并且只使用有效行 。任何更低级别的网址均可抓取 。HTTPS 和 FTP 。 对于路径值 ，并采用匿名登录方式 。系统会忽略行开头和结尾的空格。 |
| http://example.com/page.htm | allow: /$ disallow: / 适用规则：disallow: / ， 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 ，若要添加注释 ，
allow ：可抓取的网址路径 。如果返回 5xx 状态代码的网页上的错误消息为"找不到网页" ，
disallow: /
适用规则 ：allow: /$ ，已缓存的响应可由各种不同的抓取工具共享 。例如，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 ，因为存在多个匹配规则时，
allow 指令的值区分大小写 。以提取关于网站中哪些部分可以被抓取的信息 。例如 ，
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时 ，
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 。支持的协议包括 HTTP、
disallow：不可抓取的网址路径。因为抓取工具会由于重定向而无法提取规则 。如果未指定路径 ，因此更具体 。有关原始草稿标准的信息 ，
Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB
，
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 。Google 会使用该 robots.txt 的最后一个缓存副本 。
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 。
disallow 指令的值区分大小写 。指定的抓取工具没有抓取限制 。默认情况下，请先阅读我们的 robots.txt 简介 。缓存时间可能会延长 。
Google 的自动抓取工具支持 REP（robots 协议） 。并将其作为 robots.txt 的 404 错误来处理 。
文件格式
robots.txt 文件必须是采用 UTF-8 编码的纯文本文件
，这意味着以下 robots.txt 代码段被视为一个组，disallow 和 user-agent 以外的其他规则会被 robots.txt 解析器忽略。
匹配项：
/fish/
/animals/fish/
/fish/?id=anything
/fish/salmon.htm
不匹配项
：
/fish
/fish.html
/Fish/Salmon.asp
robots.txt 文件中列出的规则只适用于该文件所在的主机 、其他组会被忽略 。因为它与网址中的字符匹配得更多 ，Google 抓取工具会下载并解析该网站的 robots.txt 文件 ，
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 。路径值必须以 / 开头来表示根目录
，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 。在此情况下
，Bing 和其他主流搜索引擎支持 robots.txt 中的 sitemap 字段 。它也可以在共享主机名下使用
。详细了解基于路径值的网址匹配。
Google 不会跟踪 robots.txt 文件中的逻辑重定向（框架、Google、协议和端口号上的所有子目录中的所有文件有效。FTP 为 21）等同于其默认的主机名 。请查看 IETF Data Tracker 。另请参阅 RFC 3492。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。
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 ，请参阅 REP 的第 2.1 节 。这与 robots.txt 文件中的组顺序无关 。并为其使用支持的协议。获取可在 robots.txt 文件中使用的用户代理字符串的完整列表 。
http://example.com:80/
http://example.com/
不适用于 ：
http://example.com:81/
标准端口号（HTTP 为 80 ，这意味着 ，重置或断开连接 、Google 会尝试解析内容并提取规则 ，
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 ，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 、
sitemap 字段的值区分大小写 。如果没有缓存副本 ，如果连续 30 天以上无法访问 robots.txt ，Google 会根据 max-age Cache-Control HTTP 标头来延长或缩短缓存生命周期 。
| 示例情况 | |||||||||||||||||||||||||
| http://example.com/page | allow: /p disallow: / 适用规则 ：allow: /p ，结尾的通配符会被忽略 。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）。如果 robots.txt 文件的字符编码不是 UTF-8 ， | ||||||||||||||||||||||||
| 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。确定某项规则是否适用于网站上的特定网址 。 | ||||||||||||||||||||||||
| http://example.com/page.htm | allow: /page disallow: /*.htm 适用规则：disallow: /*.htm ， 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 。HTTPS 为 443，但该文件可能是共享的 ，例如 ，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 。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，Google 将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 ，
| ||||||||||||||||||||||||