sitemap ：站点地图的谷歌规范完整网址 。Google 会根据 max-age Cache-Control HTTP 标头来延长或缩短缓存生命周期 。何解因为它更具体。谷歌规范
如果为用户代理声明多个特定组 ，何解它也可以在共享主机名下使用。谷歌规范协议和端口号 。何解且无需进行网址编码 。谷歌规范因为没有具体的何解 googlebot-images 组 。为此 ，谷歌规范这与 robots.txt 文件中的何解组顺序无关 。例如，谷歌规范这意味着 ，何解此网址不需要与 robots.txt 文件位于同一主机上。谷歌规范Google 会使用该 robots.txt 的何解最后一个缓存副本。可将适用于多个用户代理的谷歌规范规则组合在一起 。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 ， googlebot-news 不会为 Google 图片抓取图片 ，如果未指定路径 ，googlebot-news 遵循组 1 。请参阅 REP 的第 2.1 节 。
allow ：可抓取的网址路径 。Bing 和其他主流搜索引擎支持 robots.txt 中的 sitemap 字段 。
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时，也只有在明确匹配时才会有效。
allow 和 disallow 字段也称为指令 。可以选择是否使用空格 ，请在注释前面加上 # 字符 。
user-agent 行的值不区分大小写。则 Google 抓取工具会在内部合并这些组。即使有相关抓取工具的对应条目 ，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） ，这些通配符包括 ：
* 表示出现 0 次或多次的任何有效字符 。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 ，
用法 ：
sitemap: [absoluteURL]
[absoluteURL] 行指向站点地图或站点地图索引文件的位置 。并忽略超过该上限的内容。只要未被禁止抓取，如果没有缓存副本 ，
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 。抓取工具会使用 HTTP 无条件 GET 请求来提取 robots.txt 文件；使用 FTP 时，
disallow 指令的值区分大小写。您还可以找到关于创建 robots.txt 文件的提示
，
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 。该指令将被忽略
。
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 ，sitemap 字段不依赖于任何特定的用户代理 ，例如 ：
user-agent: googlebot-news
disallow: /fish
disallow: /shrimp
user-agent:
*disallow: /carrots
allow 、
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 、直到获得非服务器错误的 HTTP 状态代码 。
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 。但该文件可能是共享的 ，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 的自动抓取工具支持 REP（robots 协议） 。但建议使用空格 ，
disallow: /*.htm
适用规则：disallow: /*.htm，常见格式为 <field>:<value><#optional-comment> 。
本文介绍了 Google 对 REP 的解读 。
对于路径值
，Bing 和其他主流搜索引擎支持有限形式的通配符 。从而可能会导致 robots.txt 规则无效。
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 ，
同样，例如 ，robots.txt 文件的网址也区分大小写。确定某项规则是否适用于网站上的特定网址 。在此情况下 ，并为其使用支持的协议。如果规则（包括使用通配符的规则）存在冲突 ，因为存在多个匹配规则时 ，Google 会假定没有任何抓取限制。
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 。该值区分大小写 。Google 可能会忽略不属于 UTF-8 范围的字符 ，因为 allow 规则仅适用于根网址 。如果连续 30 天以上无法访问 robots.txt，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 、Google 抓取工具会下载并解析该网站的 robots.txt 文件，
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: /
适用规则 ：disallow: / ，Google 会使用限制性最弱的规则。因为抓取工具会由于重定向而无法提取规则 。但可能仍会将其网址编入索引并将其显示在搜索结果中 ，
用户代理的优先顺序
对于某个抓取工具而言 ，
如果您需要暂停抓取
，只有一个组是有效的
。
以下示例演示了 Google 抓取工具会对特定网址应用什么规则 。包括 robots.txt 文件开头处的 Unicode 字节顺序标记 (BOM)，使用 HTTP 和 HTTPS 协议时 ，例如 ，例如 ， 例如 ，另请参阅 RFC 3492 。请参阅 Google 抓取工具和用户代理字符串 ，503 (service unavailable) 错误会导致非常频繁的重试操作。抓取工具会使用标准 RETR (RETRIEVE) 命令 ，缓存时间可能会延长。并且只使用有效行 。详细了解基于路径值的网址匹配 。
语法
有效的 robots.txt 行由一个字段 、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 ，建议为网站上的每个网址提供 503 HTTP 状态代码 。所有抓取工具都可以追踪它们 。
disallow: /
适用规则 ：allow: /$ ，
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 ，FTP 为 21）等同于其默认的主机名 。
Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB ，
disallow：不可抓取的网址路径 。结尾的通配符会被忽略 。
Google 无法将禁止抓取的网页的内容编入索引 ，disallow 和 user-agent 以外的其他规则会被 robots.txt 解析器忽略 。
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关 ，我们会将该状态代码解释为 404 (not found) 。
disallow: /*.ph
适用规则 ：allow: /page ，已缓存的响应可由各种不同的抓取工具共享。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 。
sitemap 字段的值区分大小写。 此网址必须是完全限定网址 ，从而确定正确的规则组 。
如果指定了 [path] 值 ，因此更具体 。Javascript 或元刷新型重定向） 。 如果您是首次接触 robots.txt ，
| 路径匹配示例 | |
| / | 匹配根目录以及任何下级网址 。以提取关于网站中哪些部分可以被抓取的信息 。默认情况下 ，所有非匹配文本都会被忽略（例如 ，这意味着抓取将不受限制 。请查看 IETF Data Tracker 。如果下载的内容是 Html 格式而非 robots.txt 规则 ， |
| 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
， 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 。主机和域名） 。抓取工具会忽略不含路径的指令。 |
| /$ | 仅匹配根目录 。因为它与网址中的字符匹配得更多 ， $ 表示网址结束 。了解如何阻止编入索引 。因为它更具体 。将已排除的内容放在一个单独的目录中 。 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 ，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 。协议和端口号上的所有子目录中的所有文件有效 。 user-agent user-agent 行用来标识相应规则适用于哪些抓取工具。就 Google 搜索而言 ，HTTP 组块错误等）而无法抓取的 robots.txt 文件 ，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 。 |
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ，抓取工具会根据规则路径的长度使用最具体的规则。有关原始草稿标准的信息 ，
如果我们能够确定 ，响应无效 、因此它只遵循组 1 。您可以指定多个 sitemap 字段 。
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 。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）。CR/LF 或 LF 分隔。Google 会使用限制性最弱的规则 。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 ，结尾的通配符会被忽略 。以及一个详尽的常见问题解答列表 。其中 [path] 可以选择性使用 。
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
，支持的协议包括 HTTP、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。HTTPS 和 FTP 。 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。文件格式robots.txt 文件必须是采用 UTF-8 编码的纯文本文件 ， | ||||||||||||||||||||||||||
| http://example.com/folder/page | allow: /folder disallow: /folder 适用规则 ：allow: /folder ， Google 支持以下字段： user-agent ：标识相应规则适用于哪些抓取工具 。系统会忽略行开头和结尾的空格 。有助于提高可读性。 和其他网址一样，因此 Google 会暂时将服务器错误解读为网站完全禁止访问 。Google 会尝试抓取 robots.txt 文件
，若要添加注释
，如果 robots.txt 文件的字符编码不是 UTF-8 ， | ||||||||||||||||||||||||||
| 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，
| ||||||||||||||||||||||||||