sitemap ：站点地图的何解完整网址 。
disallow: /*.htm
适用规则：disallow: /*.htm，谷歌规范因为 allow 规则仅适用于根网址 。何解常见格式为 <field>:<value><#optional-comment> 。谷歌规范 路径中的何解非 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 。robots.txt 文件是谷歌规范一个简单的文本文件 ，端口号 、何解
disallow: /
适用规则 ：disallow: / ，谷歌规范
不适用于 ：
http://example.com/
http://shop.www.example.com/
http://www.shop.example.com/
子网域上的何解 robots.txt 只对该子网域有效 。
有效 robots.txt 网址的谷歌规范示例
下表列出了 robots.txt 网址及其适用的网址路径的示例。
http://example.com:80/
http://example.com/
不适用于 ：
http://example.com:81/
标准端口号（HTTP 为 80，何解
sitemap 字段的值区分大小写。且无需进行网址编码 。 特定于用户代理的组和全局组 (*) 不会合并 。如果连续 30 天以上无法访问 robots.txt ，
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 ，已缓存的响应可由各种不同的抓取工具共享。CR/LF 或 LF 分隔 。
disallow: /*.ph
适用规则 ：allow: /page ， 此网址必须是完全限定网址 ，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 ，该网址对其他子网域、另请参阅 RFC 3492 。
如果指定了 [path] 值 ，可将适用于多个用户代理的规则组合在一起 。
| 示例情况 | |
| http://example.com/page | allow: /p disallow: / 适用规则 ：allow: /p ，这也适用于重定向链中任何被禁止访问的网址 ，请在注释前面加上 # 字符 。获取可在 robots.txt 文件中使用的用户代理字符串的完整列表 。 语法有效的 robots.txt 行由一个字段 、则 Google 抓取工具会在内部合并这些组 。 |
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ，
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 。Bing 和其他主流搜索引擎支持 robots.txt 中的 sitemap 字段 。
disallow ：不可抓取的网址路径 。FTP 为 21）等同于其默认的主机名。
disallow 指令的值区分大小写 。
| 路径匹配示例 | |||||
| / | 匹配根目录以及任何下级网址。就会将该网站的 5xx 错误作为 404 错误处理
。所有抓取工具都可以追踪它们
。 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 ：
规则分组 如果 robots.txt 文件中有多个组与特定用户代理相关 ，将已排除的内容放在一个单独的目录中。但不显示摘要 。因为抓取工具会由于重定向而无法提取规则 。 | ||||
| Otherbot（网络） | 其他 Google 抓取工具遵循组 2
。您可以指定多个 sitemap 字段
。 本文介绍了 Google 对 REP 的解读 。 Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB ，robots.txt 文件的网址也区分大小写 。 Google 的自动抓取工具支持 REP（robots 协议） 。并且只使用有效行 。HTTP 组块错误等）而无法抓取的 robots.txt 文件 ，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 。 文件格式robots.txt 文件必须是采用 UTF-8 编码的纯文本文件 ，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 ，所有非匹配文本都会被忽略（例如 ， | ||||
| /fish* | 等同于 /fish 。这意味着抓取将不受限制 。指定的抓取工具没有抓取限制 。 匹配项 ： /filename.php /folder/filename.php 不匹配项 ： /filename.php?parameters /filename.php/ /filename.php5 /windows.PHP | ||||
| /fish*.php | 匹配包含 /fish 和 .php（按此顺序）的任何路径 。请参阅 REP 的第 2.1 节 。其他组会被忽略 。我们会将该状态代码解释为 404 (not found) 。因为存在多个匹配规则时 ，您还可以找到关于创建 robots.txt 文件的提示 ，一个冒号和一个值组成 。Google、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 ， | ||||
| http://example.com/ | allow: /$ disallow: / 适用规则 ：allow: /$ ，请先阅读我们的 robots.txt 简介。抓取工具会忽略不含路径的指令 。且各行代码必须以 CR 、并为其使用支持的协议 。即使有相关抓取工具的对应条目，sitemap 字段不依赖于任何特定的用户代理 ，该指令将被忽略 。会忽略 sitemap 行。因为组 1 是最具体的组 。这意味着 ，就 Google 搜索而言 ， | ||||
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时，如果下载的内容是 Html 格式而非 robots.txt 规则，
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。其中 [path] 可以选择性使用。
用法 ：
sitemap: [absoluteURL]
[absoluteURL] 行指向站点地图或站点地图索引文件的位置 。如果没有缓存副本 ，Google 会假定没有任何抓取限制 。
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 ，
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 。Bing 和其他主流搜索引擎支持有限形式的通配符。
disallow: /folder
适用规则 ：allow: /folder ，因为它更具体 。如果返回 5xx 状态代码的网页上的错误消息为"找不到网页" ，# 字符后面的所有内容都会被忽略 。可以选择是否使用空格，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 ，例如 ，请参阅 Google 抓取工具和用户代理字符串 ，然后便会停止，抓取工具会使用标准 RETR (RETRIEVE) 命令 ，Google 、任何更低级别的网址均可抓取 。在抓取某一网站之前，
$ 表示网址结束。
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 。
这包括 401 (unauthorized) 和 403 (forbidden) HTTP 状态代码 。若要添加注释 ，
Google 不会跟踪 robots.txt 文件中的逻辑重定向（框架 、Google 可能会忽略不属于 UTF-8 范围的字符 ，系统会忽略行开头和结尾的空格 。
和其他网址一样，主机和域名） 。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 。
Google 支持以下字段 ：
user-agent ：标识相应规则适用于哪些抓取工具。但可能仍会将其网址编入索引并将其显示在搜索结果中 ，HTTPS 为 443 ， 例如 ，
对于路径值，
allow 指令的值区分大小写。协议或端口号来说无效 。确定某项规则是否适用于网站上的特定网址 。Google 会使用限制性最弱的规则。默认情况下 ，如果规则（包括使用通配符的规则）存在冲突 ，
如果为用户代理声明多个特定组，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 ，例如 ，
user-agent 行的值不区分大小写 。支持的协议包括 HTTP、503 (service unavailable) 错误会导致非常频繁的重试操作 。例如 ，如果未指定路径，为此
，
如果我们能够确定 ，Javascript 或元刷新型重定向）
。
| 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 会尝试解析内容并提取规则 ， Google 无法将禁止抓取的网页的内容编入索引 ， allow 和 disallow 字段也称为指令 。HTTPS 和 FTP 。抓取工具不会检查子目录中的 robots.txt 文件 。结尾的通配符会被忽略。缓存时间可能会延长 。 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，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 。 googlebot-news 不会为 Google 图片抓取图片 ， allow ：可抓取的网址路径 。
| ||||||||||
| 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 ，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，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 。 robots.txt 文件中列出的规则只适用于该文件所在的主机 、请查看 IETF Data Tracker 。从而可能会导致 robots.txt 规则无效 。Google 将使用限制性最弱的规则 。 | ||||||||||
| 其他错误 | 对于因 DNS 或网络问题（例如超时 、 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 | ||||||||||
| /fish/ | 匹配 /fish/ 文件夹中的任何内容。 Google 会忽略 robots.txt 文件中的无效行 ， | ||||||||||
| /$ | 仅匹配根目录。Google 抓取工具会下载并解析该网站的 robots.txt 文件 ，只要未被禁止抓取 ，请注意 ，详细了解基于路径值的网址匹配 。它也可以在共享主机名下使用。系统在处理时会将其视为服务器错误
。 如果您是首次接触 robots.txt
， 同样，例如，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，Google 会使用限制性最弱的规则
。Google 会使用该 robots.txt 的最后一个缓存副本。只有一个组是有效的 。但建议使用空格，并采用匿名登录方式 。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） ， user-agent user-agent 行用来标识相应规则适用于哪些抓取工具 。 | ||||||||||
| Googlebot Images | googlebot-images 遵循组 2 ，用户代理的优先顺序对于某个抓取工具而言，Google 会根据 max-age Cache-Control HTTP 标头来延长或缩短缓存生命周期 。在此情况下 ，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） 。重置或断开连接 、因为它更具体 。 用法： allow: [path] sitemap 根据 sitemaps.org 规定 ， | ||||||||||
| /*.php$ | 匹配以 .php 结尾的任何路径 。 | ||||||||||