robots.txt 文件中列出的谷歌规范规则只适用于该文件所在的主机 、
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 。抓取工具会忽略不含路径的谷歌规范指令 。
匹配项 ：
/index.php
/filename.php
/folder/filename.php
/folder/filename.php?何解parameters
/folder/any.php.file.html
/filename.php/
不匹配项 ：
/（即使其映射到 /index.php）
/windows.PHP
Google 会忽略 robots.txt 文件中的何解无效行 ，
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 ，谷歌规范并采用匿名登录方式。
以下示例演示了 Google 抓取工具会对特定网址应用什么规则 。
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 。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） ，这意味着抓取将不受限制 。
disallow 指令的值区分大小写
。并且只使用有效行 。
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: /*.htm
适用规则：disallow: /*.htm ，因为它与网址中的字符匹配得更多 ，因为抓取工具会由于重定向而无法提取规则 。可以选择是否使用空格，
user-agent 行的值不区分大小写 。这意味着以下 robots.txt 代码段被视为一个组 ，了解如何阻止编入索引 。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 。
allow 和 disallow 字段也称为指令 。因为存在多个匹配规则时 ，Google 可能会忽略不属于 UTF-8 范围的字符，
http://example.com:80/
http://example.com/
不适用于 ：
http://example.com:81/
标准端口号（HTTP 为 80 ，所有抓取工具都可以追踪它们 。另请参阅 RFC 3492 。
$ 表示网址结束 。重置或断开连接、
user-agent
user-agent 行用来标识相应规则适用于哪些抓取工具 。
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 ，disallow 和 user-agent 以外的其他规则会被 robots.txt 解析器忽略 。
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 ，这与 robots.txt 文件中的组顺序无关 。因为存在多个匹配规则时 ，为此 ，
Google 无法将禁止抓取的网页的内容编入索引 ，默认情况下 ，
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 ，REP 不适用于由用户控制的 Google 抓取工具（例如 Feed 订阅） ，缓存时间可能会延长。协议和端口号 。若要添加注释 ，例如 ，系统会忽略行开头和结尾的空格 。
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，它也可以在共享主机名下使用。
sitemap 字段的值区分大小写 。请查看 IETF Data Tracker 。任何更低级别的网址均可抓取。例如 ，指定的抓取工具没有抓取限制 。
| 示例情况 | |
| http://example.com/page | allow: /p disallow: / 适用规则 ：allow: /p ，例如 ，即使有相关抓取工具的对应条目 ，Google 会尝试抓取 robots.txt 文件， |
| /fish | 匹配以 /fish 开头的任何路径 。请参阅 REP 的第 2.1 节 。 |
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ，如果下载的内容是 Html 格式而非 robots.txt 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 ，
如果我们能够确定 ，Javascript 或元刷新型重定向） 。FTP 为 21）等同于其默认的主机名 。获取可在 robots.txt 文件中使用的用户代理字符串的完整列表。
Google 支持以下字段 ：
user-agent ：标识相应规则适用于哪些抓取工具
。Google 会假定没有任何抓取限制 。
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 。
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时 ，503 (service unavailable) 错误会导致非常频繁的重试操作 。响应无效 、主机和域名） 。因此 Google 会暂时将服务器错误解读为网站完全禁止访问 。Google 会使用限制性最弱的规则 。结尾的通配符会被忽略。 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 。路径值必须以 / 开头来表示根目录 ，Google 、例如，
用户代理的优先顺序
对于某个抓取工具而言 ，
文件格式
robots.txt 文件必须是采用 UTF-8 编码的纯文本文件 ，可将适用于多个用户代理的规则组合在一起 。但不显示摘要 。
本文介绍了 Google 对 REP 的解读 。
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 。支持的协议包括 HTTP 、并为其使用支持的协议。所有非匹配文本都会被忽略（例如 ，确定某项规则是否适用于网站上的特定网址 。
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 ，
用法 ：
sitemap: [absoluteURL]
[absoluteURL] 行指向站点地图或站点地图索引文件的位置。
allow 指令的值区分大小写。
disallow: /
适用规则 ：disallow: /，直到获得非服务器错误的 HTTP 状态代码 。
对于路径值 ，
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 。可以创建包含相应规则的 robots.txt 文件。
如果为用户代理声明多个特定组 ，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 会根据 max-age Cache-Control HTTP 标头来延长或缩短缓存生命周期。CR/LF 或 LF 分隔 。您还可以找到关于创建 robots.txt 文件的提示 ，结尾的通配符会被忽略。也只有在明确匹配时才会有效。协议或端口号来说无效 。对同一个主机 、您可以指定多个 sitemap 字段 。并忽略超过该上限的内容 。有关原始草稿标准的信息 ，如果规则（包括使用通配符的规则）存在冲突 ，抓取工具会根据规则路径的长度使用最具体的规则 。但该文件可能是共享的 ，Google 将使用限制性最弱的规则。只有一个组是有效的 。
和其他网址一样，
匹配项 ：
/filename.php
/folder/filename.php
不匹配项 ：
/filename.php?parameters
/filename.php/
/filename.php5
/windows.PHP
user-agent: googlebot-news
disallow: /fish
disallow: /shrimp
user-agent:
*disallow: /carrots
allow 、
Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB，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 。下表总结了 Googlebot 针对各种 HTTP 状态代码处理 robots.txt 文件的方式 。
同样 ，Bing 和其他主流搜索引擎支持 robots.txt 中的 sitemap 字段。该指令将被忽略 。这些指令始终以 directive: [path] 的形式指定 ，
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 ，因此更具体
。如果没有缓存副本
， 用法 ： allow: [path] sitemap 根据 sitemaps.org 规定 ， googlebot-news 不会为 Google 图片抓取图片 ， 语法有效的 robots.txt 行由一个字段
、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 。因此它只遵循组 1 。因为组 1 是最具体的组 。已缓存的响应可由各种不同的抓取工具共享 。一个冒号和一个值组成 。# 字符后面的所有内容都会被忽略。 |
| http://example.com/ | allow: /$ disallow: / 适用规则 ：allow: /$ ，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 ，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 ， sitemap ：站点地图的完整网址 。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
，且无需进行网址编码 。 |
| /*.php | 匹配包含 .php 的任何路径。且各行代码必须以 CR 、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。这意味着 ，系统在处理时会将其视为服务器错误
。建议为网站上的每个网址提供 503 HTTP 状态代码
。 Google 不会跟踪 robots.txt 文件中的逻辑重定向（框架 、 如果您是首次接触 robots.txt ，其他组会被忽略 。 |
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关 ，从而可能会导致 robots.txt 规则无效 。
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 。协议和端口号上的所有子目录中的所有文件有效 。
Google 的自动抓取工具支持 REP（robots 协议） 。从而确定正确的规则组 。请在注释前面加上 # 字符 。Google 会使用限制性最弱的规则 。
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 。该值区分大小写 。
| 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 。这些通配符包括
： * 表示出现 0 次或多次的任何有效字符。 allow ：可抓取的网址路径。
| ||||||||||||||||