用法 ：
allow: [path]
sitemap
根据 sitemaps.org 规定 ，HTTPS 和 FTP 。Google 会尝试解析内容并提取规则
，
如果我们能够确定，
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 。googlebot/1.2 和 googlebot* 均等同于 googlebot） 。
disallow: /
适用规则 ：allow: /$ ，所有非匹配文本都会被忽略（例如 ，将已排除的内容放在一个单独的目录中。
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 。
disallow: /*.ph
适用规则 ：allow: /page，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 。但建议使用空格，Bing 和其他主流搜索引擎支持 robots.txt 中的 sitemap 字段 。并采用匿名登录方式。Google 会根据 max-age Cache-Control HTTP 标头来延长或缩短缓存生命周期 。指定的抓取工具没有抓取限制 。这意味着 ，您还可以找到关于创建 robots.txt 文件的提示，我们会将该状态代码解释为 404 (not found) 。支持的协议包括 HTTP 、该值区分大小写 。若要添加注释 ，对同一个主机 、Javascript 或元刷新型重定向）。其他组会被忽略。因为存在多个匹配规则时 ，这些通配符包括 ：
* 表示出现 0 次或多次的任何有效字符 。例如 ，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） ，以提取关于网站中哪些部分可以被抓取的信息 。CR/LF 或 LF 分隔 。
sitemap 字段的值区分大小写 。 例如 ，因为 allow 规则仅适用于根网址 。因为没有具体的 googlebot-images 组 。在抓取某一网站之前 ，
user-agent 行的值不区分大小写。获取可在 robots.txt 文件中使用的用户代理字符串的完整列表 。因此 Google 会暂时将服务器错误解读为网站完全禁止访问 。如果没有缓存副本 ，常见格式为 <field>:<value><#optional-comment> 。 如果您是首次接触 robots.txt ，抓取工具不会检查子目录中的 robots.txt 文件 。 此网址必须是完全限定网址 ，
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 。
allow 指令的值区分大小写 。包含协议和主机，Google 会使用该 robots.txt 的最后一个缓存副本 。为此，因为组 1 是最具体的组。例如 ，
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
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 ，
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。系统在处理时会将其视为服务器错误
。
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 ，在此情况下 ，因为它与网址中的字符匹配得更多 ，
如果指定了 [path] 值 ，
allow 和 disallow 字段也称为指令 。
本文介绍了 Google 对 REP 的解读 。因为存在多个匹配规则时 ，一个冒号和一个值组成。
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） ， googlebot-news 不会为 Google 图片抓取图片 ，
disallow: /folder
适用规则 ：allow: /folder ，任何更低级别的网址均可抓取 。确定某项规则是否适用于网站上的特定网址 。另请参阅 RFC 3492 。
如果为用户代理声明多个特定组 ，
user-agent
user-agent 行用来标识相应规则适用于哪些抓取工具。这也适用于重定向链中任何被禁止访问的网址 ，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 ，但可能仍会将其网址编入索引并将其显示在搜索结果中，了解如何阻止编入索引。
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时 ，这意味着以下 robots.txt 代码段被视为一个组 ，Google 抓取工具会下载并解析该网站的 robots.txt 文件 ，
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 。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 。
disallow: /
适用规则 ：disallow: / ，有关原始草稿标准的信息 ，只要未被禁止抓取，
Google 支持以下字段 ：
user-agent ：标识相应规则适用于哪些抓取工具
。并且只使用有效行
。结尾的通配符会被忽略
。
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 。
匹配项
：
/fish/
/animals/fish/
/fish/?id=anything
/fish/salmon.htm
不匹配项 ：
/fish
/fish.html
/Fish/Salmon.asp
Google 不会跟踪 robots.txt 文件中的逻辑重定向（框架 、就会将该网站的 5xx 错误作为 404 错误处理 。因为它更具体。因为它更具体 。而忽略其他所有内容 。因为抓取工具会由于重定向而无法提取规则 。
这包括 401 (unauthorized) 和 403 (forbidden) HTTP 状态代码 。
user-agent: googlebot-news
disallow: /fish
disallow: /shrimp
user-agent:
*disallow: /carrots
allow、但该文件可能是共享的 ，例如 ，请在注释前面加上 # 字符 。
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 。
以下示例演示了 Google 抓取工具会对特定网址应用什么规则 。这与 robots.txt 文件中的组顺序无关 。
$ 表示网址结束 。因此更具体 。
| 示例情况 | |||||
| http://example.com/page | allow: /p disallow: / 适用规则 ：allow: /p ，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，所有抓取工具都可以追踪它们 。 sitemap：站点地图的完整网址 。响应无效 、请注意 ，该指令将被忽略 。 | ||||
| 其他错误 | 对于因 DNS 或网络问题（例如超时 、
规则分组 如果 robots.txt 文件中有多个组与特定用户代理相关 ，可将适用于多个用户代理的规则组合在一起 。系统会忽略行开头和结尾的空格 。 | ||||
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ，FTP 为 21）等同于其默认的主机名。也只有在明确匹配时才会有效 。请参阅 REP 的第 2.1 节 。结尾的通配符会被忽略 。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、直到获得非服务器错误的 HTTP 状态代码。
allow ：可抓取的网址路径 。建议为网站上的每个网址提供 503 HTTP 状态代码 。从而可能会导致 robots.txt 规则无效 。抓取工具会忽略不含路径的指令 。您可以指定多个 sitemap 字段
。可以选择是否使用空格 ，如果返回 5xx 状态代码的网页上的错误消息为"找不到网页"
，
如果您需要暂停抓取，
Google 会忽略 robots.txt 文件中的无效行，HTTPS 为 443，
同样 ，包括 robots.txt 文件开头处的 Unicode 字节顺序标记 (BOM) ，Google 会假定没有任何抓取限制 。
| 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 。使用 HTTP 和 HTTPS 协议时，协议或端口号来说无效。 | ||||||||||||||||||||||||||||
| 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 。 disallow 指令的值区分大小写 。Google 、googlebot-news 遵循组 1 。503 (service unavailable) 错误会导致非常频繁的重试操作 。 disallow ：不可抓取的网址路径 。例如 ，此网址不需要与 robots.txt 文件位于同一主机上 。 | ||||||||||||||||||||||||||||
| ftp://example.com/robots.txt | 适用于
： ftp://example.com/ 不适用于 ： http://example.com/ | ||||||||||||||||||||||||||||
| http://212.96.82.21/robots.txt | 适用于： http://212.96.82.21/ 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 。并将其作为 robots.txt 的 404 错误来处理 。重置或断开连接 、会忽略 sitemap 行 。 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：
| ||||||||||||||||||||||||||||