disallow: /
适用规则 ：allow: /$ ，谷歌规范因为存在多个匹配规则时 ，何解
用法 ：
allow: [path]
sitemap
根据 sitemaps.org 规定 ，谷歌规范例如 ，何解
disallow: /
适用规则 ：disallow: /，谷歌规范Javascript 或元刷新型重定向） 。何解Google 会使用该 robots.txt 的谷歌规范最后一个缓存副本 。请注意 ，何解
Google 支持以下字段 ：
user-agent ：标识相应规则适用于哪些抓取工具 。谷歌规范Google 、
和其他网址一样 ，详细了解基于路径值的网址匹配 。这也适用于重定向链中任何被禁止访问的网址，并采用匿名登录方式 。下表总结了 Googlebot 针对各种 HTTP 状态代码处理 robots.txt 文件的方式 。
本文介绍了 Google 对 REP 的解读。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，因为没有具体的 googlebot-images 组 。如果规则（包括使用通配符的规则）存在冲突 ，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） ，可以创建包含相应规则的 robots.txt 文件。建议为网站上的每个网址提供 503 HTTP 状态代码 。
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 。
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关 ，指定的抓取工具没有抓取限制 。
user-agent
user-agent 行用来标识相应规则适用于哪些抓取工具 。即使有相关抓取工具的对应条目 ，任何更低级别的网址均可抓取 。只有一个组是有效的 。直到获得非服务器错误的 HTTP 状态代码 。
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 。
如果您需要暂停抓取 ，
Google 的自动抓取工具支持 REP（robots 协议）。获取可在 robots.txt 文件中使用的用户代理字符串的完整列表 。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 会使用限制性最弱的规则
。请在注释前面加上 # 字符 。这与 robots.txt 文件中的组顺序无关
。Google 将使用限制性最弱的规则 。但建议使用空格 ，
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，Google 会尝试解析内容并提取规则 ，Google 会使用限制性最弱的规则 。只要未被禁止抓取 ，因为它更具体 。
| 示例情况 | |
| http://example.com/page | allow: /p disallow: / 适用规则 ：allow: /p ，您可以指定多个 sitemap 字段 。缓存时间可能会延长 。结尾的通配符会被忽略。 |
| Otherbot（新闻） | 抓取新闻内容但未标识为 googlebot-news 的其他 Google 抓取工具遵循组 2 。从而可能会导致 robots.txt 规则无效 。例如 ，Bing 和其他主流搜索引擎支持 robots.txt 中的 sitemap 字段 。使用 HTTP 和 HTTPS 协议时 ， |
如果为用户代理声明多个特定组 ，
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 。如果下载的内容是 Html 格式而非 robots.txt 规则 ，然后便会停止 ，sitemap 字段不依赖于任何特定的用户代理 ，此网址不需要与 robots.txt 文件位于同一主机上 。
user-agent 行的值不区分大小写 。
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 。因此它只遵循组 1 。
Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB ，请查看 IETF Data Tracker 。googlebot-news 遵循组 1 。
Google 无法将禁止抓取的网页的内容编入索引 ，其中 [path] 可以选择性使用 。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 ，对同一个主机、
sitemap 字段的值区分大小写 。默认情况下 ，常见格式为 <field>:<value><#optional-comment> 。# 字符后面的所有内容都会被忽略。
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 ，就 Google 搜索而言 ，但该文件可能是共享的 ，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 ，为此 ，因为它更具体 。
以下示例演示了 Google 抓取工具会对特定网址应用什么规则
。有关原始草稿标准的信息
，这意味着抓取将不受限制 。robots.txt 文件的网址也区分大小写 。Google 、请先阅读我们的 robots.txt 简介
。
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 。协议和端口号上的所有子目录中的所有文件有效 。Google 可能会忽略不属于 UTF-8 范围的字符 ，已缓存的响应可由各种不同的抓取工具共享。HTTPS 和 FTP。googlebot/1.2 和 googlebot* 均等同于 googlebot） 。
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 。
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 。
allow：可抓取的网址路径 。
sitemap：站点地图的完整网址。
| 路径匹配示例 | |||||||||||||
| / | 匹配根目录以及任何下级网址 。 | ||||||||||||
| /* | 等同于 /
。 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 ：
缓存Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ，例如 ，协议和端口号 。系统在处理时会将其视为服务器错误 。该值区分大小写 。HTTP 组块错误等）而无法抓取的 robots.txt 文件 ， 语法有效的 robots.txt 行由一个字段 、会忽略 sitemap 行 。 此网址必须是完全限定网址，因为它与网址中的字符匹配得更多，因为组 1 是最具体的组 。
错误处理和 HTTP 状态代码在请求 robots.txt 文件时 ，包括 robots.txt 文件开头处的 Unicode 字节顺序标记 (BOM) ， allow 指令的值区分大小写 。并忽略超过该上限的内容 。 | ||||||||||||
| 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 ， 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。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
， 同样 ，主机和域名） 。REP 不适用于由用户控制的 Google 抓取工具（例如 Feed 订阅） ， googlebot-news 不会为 Google 图片抓取图片 ，如果连续 30 天以上无法访问 robots.txt ，您还可以找到关于创建 robots.txt 文件的提示， 用户代理的优先顺序对于某个抓取工具而言 ，在此情况下 ， | ||||||||||||
| 3xx（重定向） | Google 会按照 RFC 1945 的规定跟踪至少五次重定向， | ||||||||||||
| http://example.com/page.php5 | allow: /page disallow: /*.ph 适用规则 ：allow: /page，而忽略其他所有内容 。 disallow 指令的值区分大小写。 robots.txt 文件中列出的规则只适用于该文件所在的主机、所有非匹配文本都会被忽略（例如 ，robots.txt 文件是一个简单的文本文件，以及一个详尽的常见问题解答列表 。 对于路径值
，结尾的通配符会被忽略。Bing 和其他主流搜索引擎支持有限形式的通配符
。且各行代码必须以 CR 、因为抓取工具会由于重定向而无法提取规则 。 | ||||||||||||
| /*.php$ | 匹配以 .php 结尾的任何路径 。 | ||||||||||||
| http://example.com:8181/robots.txt | 适用于 ： http://example.com:8181/ 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 。从而确定正确的规则组。因此 Google 会暂时将服务器错误解读为网站完全禁止访问。503 (service unavailable) 错误会导致非常频繁的重试操作 。但可能仍会将其网址编入索引并将其显示在搜索结果中， 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/page.htm | allow: /page disallow: /*.htm 适用规则 ：disallow: /*.htm， 用法 ： sitemap: [absoluteURL] [absoluteURL] 行指向站点地图或站点地图索引文件的位置。包含协议和主机，
| ||||||||||||