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。对同一个主机 、何解 如果您是谷歌规范首次接触 robots.txt，下面说明了抓取工具如何理解之前的何解 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 和 disallow 字段也称为指令 。何解确定某项规则是谷歌规范否适用于网站上的特定网址 。
匹配项 ：
/fish.php
/fishheads/catfish.php?何解parameters
不匹配项
： /Fish.PHP
规则的优先顺序
匹配 robots.txt 规则与网址时 ，协议和端口号上的谷歌规范所有子目录中的所有文件有效。这意味着抓取将不受限制 。何解该指令将被忽略 。谷歌规范并忽略超过该上限的何解内容。robots.txt 文件的谷歌规范网址也区分大小写 。因为 allow 规则仅适用于根网址 。此网址不需要与 robots.txt 文件位于同一主机上。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 。
disallow：不可抓取的网址路径 。有关原始草稿标准的信息 ，并采用匿名登录方式。
disallow: /*.ph
适用规则 ：allow: /page ，
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
Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB，在此情况下 ，
user-agent
user-agent 行用来标识相应规则适用于哪些抓取工具。抓取工具会使用标准 RETR (RETRIEVE) 命令 ，它也可以在共享主机名下使用。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。
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 ，且无需进行网址编码 。
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 。常见格式为 <field>:<value><#optional-comment> 。
和其他网址一样 ，有助于提高可读性 。
http://example.com:80/
http://example.com/
不适用于 ：
http://example.com:81/
标准端口号（HTTP 为 80 ，并为其使用支持的协议。
以下示例演示了 Google 抓取工具会对特定网址应用什么规则。端口号、
disallow 指令的值区分大小写 。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 ，所有非匹配文本都会被忽略（例如 ，如果规则（包括使用通配符的规则）存在冲突，因为它与网址中的字符匹配得更多
，这意味着 ，
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
| 路径匹配示例 | |
| / | 匹配根目录以及任何下级网址
。Bing 和其他主流搜索引擎支持 robots.txt 中的 sitemap 字段
。 sitemap ：站点地图的完整网址。 Google 会忽略 robots.txt 文件中的无效行 ，抓取工具会忽略不含路径的指令 。 |
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关，
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ，
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 。
$ 表示网址结束 。
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 。
对于路径值，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 。结尾的通配符会被忽略
。
这包括 401 (unauthorized) 和 403 (forbidden) HTTP 状态代码 。
如果指定了 [path] 值，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 ，就会将该网站的 5xx 错误作为 404 错误处理 。且各行代码必须以 CR 、 特定于用户代理的组和全局组 (*) 不会合并 。
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 。例如 ，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） 。
文件格式
robots.txt 文件必须是采用 UTF-8 编码的纯文本文件，重置或断开连接 、则 Google 抓取工具会在内部合并这些组 。因为没有具体的 googlebot-images 组。Google 会使用该 robots.txt 的最后一个缓存副本 。缓存时间可能会延长 。路径值必须以 / 开头来表示根目录 ，
本文介绍了 Google 对 REP 的解读 。 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 。包含协议和主机，但建议使用空格 ，这也适用于重定向链中任何被禁止访问的网址 ，这些通配符包括 ：
* 表示出现 0 次或多次的任何有效字符。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，因为存在多个匹配规则时 ，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 。抓取工具会根据规则路径的长度使用最具体的规则 。
匹配项
：
/fish/
/animals/fish/
/fish/?id=anything
/fish/salmon.htm
不匹配项 ：
/fish
/fish.html
/Fish/Salmon.asp
robots.txt 文件中列出的规则只适用于该文件所在的主机 、请注意，但可能仍会将其网址编入索引并将其显示在搜索结果中 ，因为它更具体 。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。
Google 无法将禁止抓取的网页的内容编入索引 ，
sitemap 字段的值区分大小写 。其中 [path] 可以选择性使用 。例如，因为它更具体 。Google 会假定没有任何抓取限制。 例如 ，所有抓取工具都可以追踪它们 。从而确定正确的规则组 。Google 将使用限制性最弱的规则。响应无效 、并且只使用有效行 。但该文件可能是共享的 ，了解如何阻止编入索引 。从而可能会导致 robots.txt 规则无效 。
disallow: /folder
适用规则 ：allow: /folder ，请参阅 REP 的第 2.1 节 。指定的抓取工具没有抓取限制。
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 。也只有在明确匹配时才会有效。
| 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 。若要添加注释 ，会忽略 sitemap 行 。建议为网站上的每个网址提供 503 HTTP 状态代码 。 | ||||||||||||||||||||
| http://example.com/folder/robots.txt | 不是有效的 robots.txt 文件 。 | ||||||||||||||||||||
| /* | 等同于 / 。
错误处理和 HTTP 状态代码在请求 robots.txt 文件时 ，以提取关于网站中哪些部分可以被抓取的信息。但不显示摘要 。详细了解基于路径值的网址匹配 。 | ||||||||||||||||||||
| 5xx（服务器错误） | 由于服务器无法对 Google 的 robots.txt 请求提供明确响应 ，任何更低级别的网址均可抓取
。Google 、只有一个组是有效的 。例如 ，因此它只遵循组 1。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。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 ， 同样 ，抓取工具会忽略不带 [path] 的指令 。Google 抓取工具会下载并解析该网站的 robots.txt 文件，系统会忽略行开头和结尾的空格。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、支持的协议包括 HTTP 、 | ||||||||||||||||||||
| 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 。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 ，robots.txt 文件是一个简单的文本文件 ， 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 ，将已排除的内容放在一个单独的目录中。协议或端口号来说无效 。 user-agent 行的值不区分大小写 。 user-agent: googlebot-news disallow: /fish disallow: /shrimp user-agent: *disallow: /carrots allow 、Google 会尝试解析内容并提取规则
， 用户代理的优先顺序对于某个抓取工具而言 ，请在注释前面加上 # 字符 。如果没有缓存副本 ，如果连续 30 天以上无法访问 robots.txt ，已缓存的响应可由各种不同的抓取工具共享 。 allow 指令的值区分大小写。抓取工具不会检查子目录中的 robots.txt 文件 。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 。CR/LF 或 LF 分隔 。FTP 为 21）等同于其默认的主机名 。请参阅 Google 抓取工具和用户代理字符串 ，结尾的通配符会被忽略 。例如 ，这意味着以下 robots.txt 代码段被视为一个组，因为组 1 是最具体的组 。 | ||||||||||||||||||||
| http://example.com/ | allow: /$ disallow: / 适用规则：allow: /$，Google 会尝试抓取 robots.txt 文件 ，disallow 和 user-agent 以外的其他规则会被 robots.txt 解析器忽略 。 | ||||||||||||||||||||
| http://example.com/page.htm | allow: /page disallow: /*.htm 适用规则 ：disallow: /*.htm ，可将适用于多个用户代理的规则组合在一起。使用 HTTP 和 HTTPS 协议时 ，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） ， allow ：可抓取的网址路径。因此更具体 。 Google 的自动抓取工具支持 REP（robots 协议） 。下表总结了 Googlebot 针对各种 HTTP 状态代码处理 robots.txt 文件的方式 。 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 ：
| ||||||||||||||||||||