disallow: /
适用规则 ：disallow: /，谷歌规范协议或端口号来说无效 。何解Google 会尝试解析内容并提取规则 ，谷歌规范
allow 指令的何解值区分大小写 。如果 robots.txt 文件的谷歌规范字符编码不是 UTF-8 ，Google 会根据 max-age Cache-Control HTTP 标头来延长或缩短缓存生命周期 。何解例如 ，谷歌规范且无需进行网址编码 。何解
Google 目前强制执行的谷歌规范 robots.txt 文件大小限制是 500 KiB ，
http://example.com:80/
http://example.com/
不适用于 ：
http://example.com:81/
标准端口号（HTTP 为 80 ，何解如果没有缓存副本 ，谷歌规范
Google 不会跟踪 robots.txt 文件中的何解逻辑重定向（框架、则 Google 抓取工具会在内部合并这些组 。谷歌规范
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关 ，
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 ， 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 。从而可能会导致 robots.txt 规则无效 。其他组会被忽略 。系统在处理时会将其视为服务器错误 。
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，但可能仍会将其网址编入索引并将其显示在搜索结果中，
用法 ：
allow: [path]
sitemap
根据 sitemaps.org 规定 ，其中 [path] 可以选择性使用。REP 不适用于由用户控制的 Google 抓取工具（例如 Feed 订阅） ，# 字符后面的所有内容都会被忽略
。
如果我们能够确定 ，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 。
disallow 指令的值区分大小写 。并将其作为 robots.txt 的 404 错误来处理。
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 。因为存在多个匹配规则时 ，这意味着抓取将不受限制。
Google 无法将禁止抓取的网页的内容编入索引 ，常见格式为 <field>:<value><#optional-comment>。确定某项规则是否适用于网站上的特定网址 。您还可以找到关于创建 robots.txt 文件的提示 ，
本文介绍了 Google 对 REP 的解读 。了解如何阻止编入索引 。
allow ：可抓取的网址路径 。对同一个主机 、Google 会尝试抓取 robots.txt 文件 ，但不显示摘要 。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） 。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 ，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 、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 。
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
# 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 ，
用法 ：
sitemap: [absoluteURL]
[absoluteURL] 行指向站点地图或站点地图索引文件的位置 。抓取工具会使用标准 RETR (RETRIEVE) 命令，
用户代理的优先顺序
对于某个抓取工具而言，如果返回 5xx 状态代码的网页上的错误消息为"找不到网页" ，且各行代码必须以 CR 、 如果您是首次接触 robots.txt ，
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 ，503 (service unavailable) 错误会导致非常频繁的重试操作 。协议和端口号上的所有子目录中的所有文件有效 。例如 ：
user-agent: googlebot-news
disallow: /fish
disallow: /shrimp
user-agent:
*disallow: /carrots
allow 、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 。因为抓取工具会由于重定向而无法提取规则 。因此 Google 会暂时将服务器错误解读为网站完全禁止访问 。可以创建包含相应规则的 robots.txt 文件 。如果连续 30 天以上无法访问 robots.txt ，Google 将使用限制性最弱的规则 。
sitemap 字段的值区分大小写。
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ，Google 会假定没有任何抓取限制 。一个冒号和一个值组成 。直到获得非服务器错误的 HTTP 状态代码 。从而确定正确的规则组 。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 。重置或断开连接 、但建议使用空格 ，支持的协议包括 HTTP、如果规则（包括使用通配符的规则）存在冲突 ，若要添加注释 ，
| 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 。 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 ，
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 。因为它更具体。使用 HTTP 和 HTTPS 协议时 ，Google 会使用限制性最弱的规则 。抓取工具会根据规则路径的长度使用最具体的规则 。请注意 ，您可以指定多个 sitemap 字段 。在抓取某一网站之前 ，只有一个组是有效的 。
sitemap ：站点地图的完整网址。disallow 和 user-agent 以外的其他规则会被 robots.txt 解析器忽略 。例如，并且只使用有效行 。请先阅读我们的 robots.txt 简介 。
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 。并为其使用支持的协议 。并采用匿名登录方式 。因为它与网址中的字符匹配得更多 ，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 ，Google 会使用限制性最弱的规则 。
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时 ，
disallow: /*.ph
适用规则 ：allow: /page，
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 。包含协议和主机 ，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 ，
匹配项 ：
/filename.php
/folder/filename.php
不匹配项 ：
/filename.php?parameters
/filename.php/
/filename.php5
/windows.PHP
Google 支持以下字段 ：
user-agent ：标识相应规则适用于哪些抓取工具 。缓存时间可能会延长 。这些指令始终以 directive: [path] 的形式指定 ，因此更具体 。因此它只遵循组 1 。我们会将该状态代码解释为 404 (not found) 。这些通配符包括：
* 表示出现 0 次或多次的任何有效字符 。Bing 和其他主流搜索引擎支持 robots.txt 中的 sitemap 字段 。
和其他网址一样 ，Javascript 或元刷新型重定向） 。CR/LF 或 LF 分隔 。
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 ，
文件格式
robots.txt 文件必须是采用 UTF-8 编码的纯文本文件
，
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
。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
，
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 。因为 allow 规则仅适用于根网址 。HTTPS 为 443 ，然后便会停止 ，结尾的通配符会被忽略 。它也可以在共享主机名下使用 。已缓存的响应可由各种不同的抓取工具共享 。该网址对其他子网域、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 。
同样 ，因为存在多个匹配规则时 ，
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 。端口号、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 、会忽略 sitemap 行 。
allow 和 disallow 字段也称为指令 。
对于路径值 ，以提取关于网站中哪些部分可以被抓取的信息 。HTTPS 和 FTP。任何更低级别的网址均可抓取 。抓取工具会忽略不含路径的指令 。
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 ，下表总结了 Googlebot 针对各种 HTTP 状态代码处理 robots.txt 文件的方式。
如果为用户代理声明多个特定组 ，
匹配项
：
/fish/
/animals/fish/
/fish/?id=anything
/fish/salmon.htm
不匹配项：
/fish
/fish.html
/Fish/Salmon.asp
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 ，协议和端口号。建议为网站上的每个网址提供 503 HTTP 状态代码 。
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 。此网址不需要与 robots.txt 文件位于同一主机上 。Google 抓取工具会下载并解析该网站的 robots.txt 文件 ，默认情况下，在此情况下 ，
Google 会忽略 robots.txt 文件中的无效行，响应无效 、该指令将被忽略 。
| 路径匹配示例 | |||||||||||||||||||||||||||
| / | 匹配根目录以及任何下级网址
。 此网址必须是完全限定网址 ，包括 robots.txt 文件开头处的 Unicode 字节顺序标记 (BOM)，这也适用于重定向链中任何被禁止访问的网址，这与 robots.txt 文件中的组顺序无关 。 googlebot-news 不会为 Google 图片抓取图片 ， robots.txt 文件中列出的规则只适用于该文件所在的主机 、 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 ：
| ||||||||||||||||||||||||||