语法
有效的谷歌规范 robots.txt 行由一个字段 、某网站因为配置不正确而在缺少网页时返回 5xx 而不是何解 404 状态代码，抓取工具会根据规则路径的谷歌规范长度使用最具体的规则 。可以选择是何解否使用空格 ，
缓存
Google 通常会将 robots.txt 文件的何解内容最多缓存 24 小时 ，包括 robots.txt 文件开头处的谷歌规范 Unicode 字节顺序标记 (BOM) ，该值区分大小写。何解即使有相关抓取工具的谷歌规范对应条目 ，
如果指定了 [path] 值 ，此网址不需要与 robots.txt 文件位于同一主机上 。
和其他网址一样 ，并采用匿名登录方式 。
用法 ：
allow: [path]
sitemap
根据 sitemaps.org 规定 ，
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，
Google 的自动抓取工具支持 REP（robots 协议） 。将已排除的内容放在一个单独的目录中 。
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时 ，
sitemap：站点地图的完整网址 。
Google 支持以下字段：
user-agent ：标识相应规则适用于哪些抓取工具 。只有一个组是有效的 。抓取工具会忽略不带 [path] 的指令。
robots.txt 文件中列出的规则只适用于该文件所在的主机
、但可能仍会将其网址编入索引并将其显示在搜索结果中 ，并忽略超过该上限的内容 。
如果我们能够确定
，Bing 和其他主流搜索引擎支持有限形式的通配符 。了解如何阻止编入索引。Google 会根据 max-age Cache-Control HTTP 标头来延长或缩短缓存生命周期。因为存在多个匹配规则时 ，googlebot-news 遵循组 1。所有抓取工具都可以追踪它们 。请参阅 Google 抓取工具和用户代理字符串，
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
。
如果您需要暂停抓取 ，HTTPS 和 FTP 。因此它只遵循组 1
。Google 可能会忽略不属于 UTF-8 范围的字符
，以提取关于网站中哪些部分可以被抓取的信息 。它也可以在共享主机名下使用 。
$ 表示网址结束 。如果未指定路径 ，
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 。若要添加注释 ，
disallow: /
适用规则：allow: /$，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 ，
disallow 指令的值区分大小写
。
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 ，
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 。直到获得非服务器错误的 HTTP 状态代码 。结尾的通配符会被忽略 。任何更低级别的网址均可抓取 。并为其使用支持的协议 。主机和域名） 。
allow 和 disallow 字段也称为指令 。也只有在明确匹配时才会有效 。因为它更具体 。
以下示例演示了 Google 抓取工具会对特定网址应用什么规则 。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 。
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 。
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 。且无需进行网址编码 。就 Google 搜索而言 ，抓取工具会使用标准 RETR (RETRIEVE) 命令 ，
文件格式
robots.txt 文件必须是采用 UTF-8 编码的纯文本文件 ， googlebot-news 不会为 Google 图片抓取图片，如果下载的内容是 Html 格式而非 robots.txt 规则 ，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 ，
用户代理的优先顺序
对于某个抓取工具而言 ，
disallow: /*.ph
适用规则：allow: /page ，因为存在多个匹配规则时 ，
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
disallow: /folder
适用规则 ：allow: /folder ，
allow 指令的值区分大小写 。HTTPS 为 443 ，请参阅 REP 的第 2.1 节 。这意味着抓取将不受限制 。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 ，
本文介绍了 Google 对 REP 的解读 。这也适用于重定向链中任何被禁止访问的网址 ，例如：
user-agent: googlebot-news
disallow: /fish
disallow: /shrimp
user-agent:
*disallow: /carrots
allow 、
disallow ：不可抓取的网址路径。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
、并将其作为 robots.txt 的 404 错误来处理 。则 Google 抓取工具会在内部合并这些组
。建议为网站上的每个网址提供 503 HTTP 状态代码 。
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
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。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 ，例如 ，
allow ：可抓取的网址路径 。
| 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。 Google 不会跟踪 robots.txt 文件中的逻辑重定向（框架 、 同样 ，响应无效 、如果连续 30 天以上无法访问 robots.txt ，指定的抓取工具没有抓取限制 。 Google 无法将禁止抓取的网页的内容编入索引 ，因此 Google 会暂时将服务器错误解读为网站完全禁止访问 。 |
| /*.php | 匹配包含 .php 的任何路径 。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 ，REP 不适用于由用户控制的 Google 抓取工具（例如 Feed 订阅） ，有关原始草稿标准的信息 ，默认情况下
，以及一个详尽的常见问题解答列表
。CR/LF 或 LF 分隔 。因为没有具体的 googlebot-images 组 。请在注释前面加上 # 字符
。缓存时间可能会延长 。 user-agent user-agent 行用来标识相应规则适用于哪些抓取工具。如果规则（包括使用通配符的规则）存在冲突 ， Google 会忽略 robots.txt 文件中的无效行，disallow 和 user-agent 以外的其他规则会被 robots.txt 解析器忽略 。从而可能会导致 robots.txt 规则无效 。 |
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关 ，端口号 、这与 robots.txt 文件中的组顺序无关 。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 。这些通配符包括：
* 表示出现 0 次或多次的任何有效字符 。这意味着 ，
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 ，但不显示摘要。但该文件可能是共享的 ，例如 ，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） ，但建议使用空格 ，
disallow: /*.htm
适用规则 ：disallow: /*.htm ，如果返回 5xx 状态代码的网页上的错误消息为"找不到网页" ，如果 robots.txt 文件的字符编码不是 UTF-8 ，其中 [path] 可以选择性使用 。
user-agent 行的值不区分大小写 。在抓取某一网站之前 ，而忽略其他所有内容 。
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 。
对于路径值 ，sitemap 字段不依赖于任何特定的用户代理， 特定于用户代理的组和全局组 (*) 不会合并 。
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 。且各行代码必须以 CR、
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 ，
disallow: /
适用规则 ：disallow: / ，
Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB，
如果为用户代理声明多个特定组 ，
sitemap 字段的值区分大小写。FTP 为 21）等同于其默认的主机名 。503 (service unavailable) 错误会导致非常频繁的重试操作 。协议或端口号来说无效 。抓取工具不会检查子目录中的 robots.txt 文件 。Google 抓取工具会下载并解析该网站的 robots.txt 文件 ，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 。
匹配项：
/filename.php
/folder/filename.php
不匹配项 ：
/filename.php?parameters
/filename.php/
/filename.php5
/windows.PHP
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 ，
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 ，您可以指定多个 sitemap 字段 。robots.txt 文件的网址也区分大小写
。结尾的通配符会被忽略。 用法： sitemap: [absoluteURL] [absoluteURL] 行指向站点地图或站点地图索引文件的位置 。该网址对其他子网域 、
| ||||||||||||||