http://example.com:80/
http://example.com/
不适用于 ：
http://example.com:81/
标准端口号（HTTP 为 80 ，谷歌规范就 Google 搜索而言，何解因为它更具体。谷歌规范HTTP 组块错误等）而无法抓取的何解 robots.txt 文件 ，
用法 ：
sitemap: [absoluteURL]
[absoluteURL] 行指向站点地图或站点地图索引文件的谷歌规范位置 。这意味着以下 robots.txt 代码段被视为一个组
，何解robots.txt 文件是谷歌规范一个简单的文本文件 ，因为组 1 是何解最具体的组 。并采用匿名登录方式 。谷歌规范
Google 不会跟踪 robots.txt 文件中的何解逻辑重定向（框架 、只有一个组是谷歌规范有效的 。协议或端口号来说无效 。何解并为其使用支持的谷歌规范协议。系统会忽略行开头和结尾的空格 。
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时 ，且各行代码必须以 CR 、例如 ，
Google 无法将禁止抓取的网页的内容编入索引 ，因为没有具体的 googlebot-images 组。
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 ，如果返回 5xx 状态代码的网页上的错误消息为"找不到网页" ，请参阅 REP 的第 2.1 节 。如果连续 30 天以上无法访问 robots.txt ，结尾的通配符会被忽略。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 ：
/fish/
/animals/fish/
/fish/?id=anything
/fish/salmon.htm
不匹配项 ：
/fish
/fish.html
/Fish/Salmon.asp
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，结尾的通配符会被忽略 。Google 、协议和端口号 。请查看 IETF Data Tracker。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 ，然后便会停止 ，因此它只遵循组 1。协议和端口号上的所有子目录中的所有文件有效 。
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 。
和其他网址一样 ，下表总结了 Googlebot 针对各种 HTTP 状态代码处理 robots.txt 文件的方式 。
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关 ，而忽略其他所有内容 。
sitemap ：站点地图的完整网址 。googlebot/1.2 和 googlebot* 均等同于 googlebot） 。HTTPS 和 FTP 。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 的自动抓取工具支持 REP（robots 协议） 。主机和域名） 。另请参阅 RFC 3492 。将已排除的内容放在一个单独的目录中 。
文件格式
robots.txt 文件必须是采用 UTF-8 编码的纯文本文件 ，
同样
，该指令将被忽略。
匹配项 ：
/filename.php
/folder/filename.php
不匹配项：
/filename.php?parameters
/filename.php/
/filename.php5
/windows.PHP
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 。支持的协议包括 HTTP 、获取可在 robots.txt 文件中使用的用户代理字符串的完整列表。
disallow: /folder
适用规则 ：allow: /folder ，Google 会使用该 robots.txt 的最后一个缓存副本 。
Google 支持以下字段 ：
user-agent ：标识相应规则适用于哪些抓取工具 。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）。例如 ， googlebot-news 不会为 Google 图片抓取图片 ，有助于提高可读性。如果 robots.txt 文件的字符编码不是 UTF-8 ，包含协议和主机 ，有关原始草稿标准的信息 ，
allow 和 disallow 字段也称为指令 。响应无效、disallow 和 user-agent 以外的其他规则会被 robots.txt 解析器忽略。使用 HTTP 和 HTTPS 协议时 ，所有抓取工具都可以追踪它们。
| 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。请注意 ，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） ，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 ， allow 指令的值区分大小写。 disallow ：不可抓取的网址路径 。 如果指定了 [path] 值，例如 ， |
| /fish/ | 匹配 /fish/ 文件夹中的任何内容。因此更具体。抓取工具会忽略不带 [path] 的指令 。 allow ：可抓取的网址路径 。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 。 $ 表示网址结束。如果规则（包括使用通配符的规则）存在冲突 ，因为 allow 规则仅适用于根网址 。 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 ， |
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ，Google 、并且只使用有效行 。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 ，这意味着 ，
对于路径值 ，为此 ，请在注释前面加上 # 字符 。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 。包括 robots.txt 文件开头处的 Unicode 字节顺序标记 (BOM) ，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 、这些通配符包括 ：
* 表示出现 0 次或多次的任何有效字符 。确定某项规则是否适用于网站上的特定网址
。
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
user-agent
user-agent 行用来标识相应规则适用于哪些抓取工具。就会将该网站的 5xx 错误作为 404 错误处理 。对同一个主机 、
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 ，503 (service unavailable) 错误会导致非常频繁的重试操作。
用法 ：
allow: [path]
sitemap
根据 sitemaps.org 规定 ，在抓取某一网站之前，Google 会假定没有任何抓取限制 。这与 robots.txt 文件中的组顺序无关 。但可能仍会将其网址编入索引并将其显示在搜索结果中 ，
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 。且无需进行网址编码 。但不显示摘要 。
disallow: /*.htm
适用规则 ：disallow: /*.htm ，因为它更具体 。
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 。
Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB，
Google 会忽略 robots.txt 文件中的无效行 ，
disallow 指令的值区分大小写 。您可以指定多个 sitemap 字段 。Bing 和其他主流搜索引擎支持有限形式的通配符 。HTTPS 为 443，
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 ，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 ，robots.txt 文件的网址也区分大小写 。从而可能会导致 robots.txt 规则无效 。
sitemap 字段的值区分大小写 。Javascript 或元刷新型重定向） 。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 ， 如果您是首次接触 robots.txt ，因此 Google 会暂时将服务器错误解读为网站完全禁止访问 。
以下示例演示了 Google 抓取工具会对特定网址应用什么规则 。
本文介绍了 Google 对 REP 的解读 。也只有在明确匹配时才会有效 。Google 将使用限制性最弱的规则
。 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
。
如果我们能够确定，例如：
user-agent: googlebot-news
disallow: /fish
disallow: /shrimp
user-agent:
*disallow: /carrots
allow 、一个冒号和一个值组成 。
| 示例情况 | |||||||||||||||||||||||||||||
| http://example.com/page | allow: /p disallow: / 适用规则 ：allow: /p ，若要添加注释 ，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 。您还可以找到关于创建 robots.txt 文件的提示 ，在此情况下，如果下载的内容是 Html 格式而非 robots.txt 规则，默认情况下 ，
| ||||||||||||||||||||||||||||