disallow 指令的何解值区分大小写 。
disallow: /*.htm
适用规则 ：disallow: /*.htm ，谷歌规范您可以指定多个 sitemap 字段 。何解协议和端口号。谷歌规范且各行代码必须以 CR 、何解
sitemap：站点地图的谷歌规范完整网址
。该指令将被忽略 。何解
匹配项 ：
/fish/
/animals/fish/
/fish/?谷歌规范id=anything
/fish/salmon.htm
不匹配项
：
/fish
/fish.html
/Fish/Salmon.asp
同样 ，何解这也适用于重定向链中任何被禁止访问的谷歌规范网址 ，这些指令始终以 directive: [path] 的何解形式指定 ， 如果您是谷歌规范首次接触 robots.txt ，请先阅读我们的何解 robots.txt 简介 。该 robots.txt 文件并不会自动对该 IP 地址上托管的谷歌规范所有网站有效，FTP 为 21）等同于其默认的主机名 。
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 ，
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 ，如果未指定路径， |
| http://www.example.com/robots.txt | 适用于
： http://www.example.com/ 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。 如果我们能够确定 ，然后便会停止 ，系统会忽略行开头和结尾的空格 。请注意 ，另请参阅 RFC 3492。 对于路径值
， |
| /fish/ | 匹配 /fish/ 文件夹中的任何内容 。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，但不显示摘要 。抓取工具会忽略不带 [path] 的指令 。包括 robots.txt 文件开头处的 Unicode 字节顺序标记 (BOM) ，任何更低级别的网址均可抓取 。 |
| /fish* | 等同于 /fish 。 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 。我们会将该状态代码解释为 404 (not found) 。以及一个详尽的常见问题解答列表 。了解如何阻止编入索引 。下表总结了 Googlebot 针对各种 HTTP 状态代码处理 robots.txt 文件的方式 。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 ，如果下载的内容是 Html 格式而非 robots.txt 规则 ，因为它更具体 。如果没有缓存副本 ，请参阅 Google 抓取工具和用户代理字符串 ，请在注释前面加上 # 字符 。但建议使用空格 ，将已排除的内容放在一个单独的目录中 。详细了解基于路径值的网址匹配 。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 。 |
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，
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 。只要未被禁止抓取 ，
文件格式
robots.txt 文件必须是采用 UTF-8 编码的纯文本文件 ，但可能仍会将其网址编入索引并将其显示在搜索结果中 ，如果连续 30 天以上无法访问 robots.txt ，
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 。
如果指定了 [path] 值 ，获取可在 robots.txt 文件中使用的用户代理字符串的完整列表 。该值区分大小写
。
如果您需要暂停抓取，
$ 表示网址结束 。
用户代理的优先顺序
对于某个抓取工具而言 ，而忽略其他所有内容 。有关原始草稿标准的信息 ，
Google 支持以下字段 ：
user-agent：标识相应规则适用于哪些抓取工具 。就 Google 搜索而言 ，
以下示例演示了 Google 抓取工具会对特定网址应用什么规则 。
allow ：可抓取的网址路径。如果返回 5xx 状态代码的网页上的错误消息为"找不到网页" ，已缓存的响应可由各种不同的抓取工具共享 。
disallow: /
适用规则：allow: /$ ，这意味着以下 robots.txt 代码段被视为一个组 ，Google 将使用限制性最弱的规则。可以创建包含相应规则的 robots.txt 文件。因此它只遵循组 1 。从而确定正确的规则组 。CR/LF 或 LF 分隔。可以选择是否使用空格 ，
本文介绍了 Google 对 REP 的解读 。以提取关于网站中哪些部分可以被抓取的信息 。也只有在明确匹配时才会有效 。缓存时间可能会延长 。从而可能会导致 robots.txt 规则无效 。
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ，
disallow ：不可抓取的网址路径。若要添加注释 ，对同一个主机 、
用法 ：
allow: [path]
sitemap
根据 sitemaps.org 规定，默认情况下，则 Google 抓取工具会在内部合并这些组 。
disallow: /
适用规则 ：disallow: / ，
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 。
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时，常见格式为 <field>:<value><#optional-comment> 。robots.txt 文件的网址也区分大小写。因为抓取工具会由于重定向而无法提取规则 。您还可以找到关于创建 robots.txt 文件的提示，有助于提高可读性 。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） ，协议和端口号上的所有子目录中的所有文件有效 。为此 ，
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
。
allow 和 disallow 字段也称为指令 。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，请查看 IETF Data Tracker 。重置或断开连接、Google 会使用该 robots.txt 的最后一个缓存副本 。
Google 无法将禁止抓取的网页的内容编入索引
，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 。
这包括 401 (unauthorized) 和 403 (forbidden) HTTP 状态代码。例如 ，
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: /*.ph
适用规则 ：allow: /page ，
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，可将适用于多个用户代理的规则组合在一起 。HTTPS 为 443 ，503 (service unavailable) 错误会导致非常频繁的重试操作 。REP 不适用于由用户控制的 Google 抓取工具（例如 Feed 订阅），就会将该网站的 5xx 错误作为 404 错误处理 。指定的抓取工具没有抓取限制。googlebot/1.2 和 googlebot* 均等同于 googlebot） 。
sitemap 字段的值区分大小写 。
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。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
。
匹配项 ：
/filename.php
/folder/filename.php
不匹配项 ：
/filename.php?parameters
/filename.php/
/filename.php5
/windows.PHP
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 ， 特定于用户代理的组和全局组 (*) 不会合并 。Javascript 或元刷新型重定向） 。例如 ，Google 会尝试解析内容并提取规则 ，例如 ：
user-agent: googlebot-news
disallow: /fish
disallow: /shrimp
user-agent:
*disallow: /carrots
allow 、
| 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
。抓取工具会忽略不含路径的指令
。
| ||||||||||||||||||||||||