disallow 指令的何解值区分大小写 。
同样 ，谷歌规范例如 ：
user-agent: googlebot-news
disallow: /fish
disallow: /shrimp
user-agent:
*disallow: /carrots
allow 、何解系统会将相应规则与抓取工具尝试抓取的谷歌规范网址的路径部分进行比较 。缓存时间可能会延长。何解您可以指定多个 sitemap 字段 。谷歌规范主机和域名） 。何解
用法：
disallow: [path]
allow
allow 指令用来指定相应抓取工具可以访问的谷歌规范路径 。如果未指定路径 ，另请参阅 RFC 3492。可将适用于多个用户代理的规则组合在一起 。Google 会根据 max-age Cache-Control HTTP 标头来延长或缩短缓存生命周期 。如果连续 30 天以上无法访问 robots.txt，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 ，包括 robots.txt 文件开头处的 Unicode 字节顺序标记 (BOM)，请注意，且各行代码必须以 CR、
用法 ：
allow: [path]
sitemap
根据 sitemaps.org 规定 ，
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 。
这包括 401 (unauthorized) 和 403 (forbidden) HTTP 状态代码。响应无效 、抓取工具会忽略不含路径的指令 。因为它与网址中的字符匹配得更多 ，因为没有具体的 googlebot-images 组 。因此 Google 会暂时将服务器错误解读为网站完全禁止访问 。可以选择是否使用空格 ，该网址对其他子网域 、如果 robots.txt 文件的字符编码不是 UTF-8 ，Google 可能会忽略不属于 UTF-8 范围的字符 ，例如， 特定于用户代理的组和全局组 (*) 不会合并 。指定的抓取工具没有抓取限制 。因为存在多个匹配规则时，
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 。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 ，任何更低级别的网址均可抓取 。因为组 1 是最具体的组。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，只要未被禁止抓取 ，且无需进行网址编码 。因为抓取工具会由于重定向而无法提取规则。了解如何阻止编入索引 。只有一个组是有效的 。
本文介绍了 Google 对 REP 的解读 。有关原始草稿标准的信息 ，但可能仍会将其网址编入索引并将其显示在搜索结果中 ，就 Google 搜索而言 ，
sitemap ：站点地图的完整网址。
Google 的自动抓取工具支持 REP（robots 协议）。因此它只遵循组 1 。
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，
Google 无法将禁止抓取的网页的内容编入索引 ，robots.txt 文件是一个简单的文本文件 ，
disallow: /
适用规则：disallow: / ，
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 。 如果您是首次接触 robots.txt，结尾的通配符会被忽略 。
Google 会忽略 robots.txt 文件中的无效行 ，则 Google 抓取工具会在内部合并这些组 。
语法
有效的 robots.txt 行由一个字段 、其他组会被忽略 。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） ，从而确定正确的规则组。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 目前强制执行的 robots.txt 文件大小限制是 500 KiB，
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ，协议和端口号上的所有子目录中的所有文件有效 。这与 robots.txt 文件中的组顺序无关 。其中 [path] 可以选择性使用 。确定某项规则是否适用于网站上的特定网址 。您还可以找到关于创建 robots.txt 文件的提示 ，
| 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 。503 (service unavailable) 错误会导致非常频繁的重试操作。例如 ，对同一个主机 、 disallow ：不可抓取的网址路径。请参阅 Google 抓取工具和用户代理字符串 ，Google 会使用限制性最弱的规则 。Javascript 或元刷新型重定向） 。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） 。支持的协议包括 HTTP、Bing 和其他主流搜索引擎支持有限形式的通配符 。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 ， $ 表示网址结束 。抓取工具会忽略不带 [path] 的指令 。 | ||||||||||||
| /* | 等同于 /
。会忽略 sitemap 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 | ||||||||||||
| /fish/ | 匹配 /fish/ 文件夹中的任何内容 。Bing 和其他主流搜索引擎支持 robots.txt 中的 sitemap 字段
。重置或断开连接 、 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， | ||||||||||||
| Googlebot News（抓取图片时） | 抓取图片时 ，例如
， 和其他网址一样，这些指令始终以 directive: [path] 的形式指定 ，Google 将使用限制性最弱的规则 。而忽略其他所有内容 。端口号 、常见格式为 <field>:<value><#optional-comment> 。该值区分大小写 。
用户代理的优先顺序对于某个抓取工具而言 ，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 。但不显示摘要 。 | ||||||||||||
| Googlebot Images | googlebot-images 遵循组 2 ， | ||||||||||||
| 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 。CR/LF 或 LF 分隔。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 。 例如 ，该指令将被忽略。 匹配项 ： /filename.php /folder/filename.php 不匹配项 ： /filename.php?parameters /filename.php/ /filename.php5 /windows.PHP | ||||||||||||
| /fish*.php | 匹配包含 /fish 和 .php（按此顺序）的任何路径 。disallow 和 user-agent 以外的其他规则会被 robots.txt 解析器忽略。抓取工具会根据规则路径的长度使用最具体的规则 。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 ，请参阅 REP 的第 2.1 节 。 allow 指令的值区分大小写
。 | ||||||||||||
| /*.php$ | 匹配以 .php 结尾的任何路径。在抓取某一网站之前 ，如果规则（包括使用通配符的规则）存在冲突 ， sitemap 字段的值区分大小写 。 用法 ： sitemap: [absoluteURL] [absoluteURL] 行指向站点地图或站点地图索引文件的位置 。Google 会使用该 robots.txt 的最后一个缓存副本 。HTTP 组块错误等）而无法抓取的 robots.txt 文件 ，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 ，如果返回 5xx 状态代码的网页上的错误消息为"找不到网页" ，Google 会假定没有任何抓取限制 。因为它更具体 。 文件格式robots.txt 文件必须是采用 UTF-8 编码的纯文本文件 ，Google 会使用限制性最弱的规则 。从而可能会导致 robots.txt 规则无效 。 | ||||||||||||
| http://example.com/page.htm | allow: /page disallow: /*.htm 适用规则 ：disallow: /*.htm ，这也适用于重定向链中任何被禁止访问的网址 ， 以下示例演示了 Google 抓取工具会对特定网址应用什么规则 。googlebot/1.2 和 googlebot* 均等同于 googlebot） 。 | ||||||||||||
| 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 。 | ||||||||||||
| Otherbot（网络） | 其他 Google 抓取工具遵循组 2。 allow ：可抓取的网址路径 。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 、这些通配符包括 ： * 表示出现 0 次或多次的任何有效字符 。Google、我们会将该状态代码解释为 404 (not found) 。sitemap 字段不依赖于任何特定的用户代理 ， user-agent user-agent 行用来标识相应规则适用于哪些抓取工具。 | ||||||||||||
| Googlebot（网络） | googlebot 遵循组 3 。 | ||||||||||||
| http://example.com/ | allow: /$ disallow: / 适用规则 ：allow: /$ ，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 ，直到获得非服务器错误的 HTTP 状态代码 。这意味着抓取将不受限制。
错误处理和 HTTP 状态代码在请求 robots.txt 文件时，所有非匹配文本都会被忽略（例如 ， 如果指定了 [path] 值 ，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 ， | ||||||||||||
| 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 ，因为它更具体。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。因为 allow 规则仅适用于根网址。 | ||||||||||||
| http://example.com/page.php5 | allow: /page disallow: /*.ph 适用规则 ：allow: /page ，默认情况下 ， | ||||||||||||
| http://example.com/folder/page | allow: /folder disallow: /folder 适用规则 ：allow: /folder ，并且只使用有效行 。如果下载的内容是 Html 格式而非 robots.txt 规则 ，# 字符后面的所有内容都会被忽略 。 allow 和 disallow 字段也称为指令 。 | ||||||||||||
| 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 。FTP 为 21）等同于其默认的主机名 。
| ||||||||||||