如果为用户代理声明多个特定组 ，谷歌规范也不适用于用来提高用户安全性的何解抓取工具（例如恶意软件分析） 。因为它与网址中的谷歌规范字符匹配得更多 ，
用法 ：
allow: [path]
sitemap
根据 sitemaps.org 规定 ，何解即使有相关抓取工具的谷歌规范对应条目 ，
以下示例演示了 Google 抓取工具会对特定网址应用什么规则 。何解这意味着以下 robots.txt 代码段被视为一个组 ，谷歌规范响应无效 、何解如果连续 30 天以上无法访问 robots.txt，谷歌规范
sitemap 字段的何解值区分大小写 。因此更具体 。谷歌规范会忽略 sitemap 行 。何解
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 ，另请参阅 RFC 3492 。因此它只遵循组 1 。可将适用于多个用户代理的规则组合在一起。
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 。
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
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 ，
disallow: /
适用规则 ：disallow: / ，这意味着抓取将不受限制 。REP 不适用于由用户控制的 Google 抓取工具（例如 Feed 订阅） ，但可能仍会将其网址编入索引并将其显示在搜索结果中 ，请先阅读我们的 robots.txt 简介。
如果您需要暂停抓取 ，
Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB ，以及一个详尽的常见问题解答列表。这与 robots.txt 文件中的组顺序无关 。您可以指定多个 sitemap 字段 。# 字符后面的所有内容都会被忽略 。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 、一个冒号和一个值组成 。
$ 表示网址结束
。
匹配项：
/filename.php
/folder/filename.php
不匹配项
：
/filename.php?parameters
/filename.php/
/filename.php5
/windows.PHP
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 ，结尾的通配符会被忽略 。对同一个主机 、有关原始草稿标准的信息，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 ，包括 robots.txt 文件开头处的 Unicode 字节顺序标记 (BOM) ，
和其他网址一样 ，如果没有缓存副本，
如果我们能够确定
，抓取工具会忽略不含路径的指令。若要添加注释 ，
Google 无法将禁止抓取的网页的内容编入索引，Google 可能会忽略不属于 UTF-8 范围的字符 ，
Google 会忽略 robots.txt 文件中的无效行 ，
| 示例情况 | |
| http://example.com/page | allow: /p disallow: / 适用规则 ：allow: /p ，因为没有具体的 googlebot-images 组 。也只有在明确匹配时才会有效 。 此网址必须是完全限定网址 ， |
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ，
disallow 指令的值区分大小写 。因为抓取工具会由于重定向而无法提取规则
。因此 Google 会暂时将服务器错误解读为网站完全禁止访问 。 例如，Google 将使用限制性最弱的规则。并且只使用有效行
。
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 ，
对于路径值，就会将该网站的 5xx 错误作为 404 错误处理 。
这包括 401 (unauthorized) 和 403 (forbidden) HTTP 状态代码 。该网址对其他子网域 、使用 HTTP 和 HTTPS 协议时，在此情况下 ，可以选择是否使用空格，Google 会使用限制性最弱的规则。请查看 IETF Data Tracker 。
disallow: /
适用规则 ：allow: /$，这意味着 ，
匹配项 ：
/fish/
/animals/fish/
/fish/?id=anything
/fish/salmon.htm
不匹配项 ：
/fish
/fish.html
/Fish/Salmon.asp
disallow: /*.htm
适用规则：disallow: /*.htm ，
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
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 。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 ，如果未指定路径 ，已缓存的响应可由各种不同的抓取工具共享。
disallow: /folder
适用规则 ：allow: /folder ，只有一个组是有效的 。这些通配符包括 ：
* 表示出现 0 次或多次的任何有效字符 。而忽略其他所有内容 。
user-agent 行的值不区分大小写 。
Google 不会跟踪 robots.txt 文件中的逻辑重定向（框架 、HTTPS 为 443 ，可以创建包含相应规则的 robots.txt 文件 。 googlebot-news 不会为 Google 图片抓取图片
，
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 。Google 、FTP 为 21）等同于其默认的主机名 。Bing 和其他主流搜索引擎支持有限形式的通配符 。因为存在多个匹配规则时 ，且各行代码必须以 CR 、为此，HTTPS 和 FTP。
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 ，常见格式为 <field>:<value><#optional-comment> 。确定某项规则是否适用于网站上的特定网址。从而可能会导致 robots.txt 规则无效 。disallow 和 user-agent 以外的其他规则会被 robots.txt 解析器忽略 。
user-agent
user-agent 行用来标识相应规则适用于哪些抓取工具 。Google 抓取工具会下载并解析该网站的 robots.txt 文件，从而确定正确的规则组 。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 ，我们会将该状态代码解释为 404 (not found) 。
语法
有效的 robots.txt 行由一个字段 、如果 robots.txt 文件的字符编码不是 UTF-8 ，
文件格式
robots.txt 文件必须是采用 UTF-8 编码的纯文本文件 ，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，
allow 指令的值区分大小写 。
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 ， |
| /fish* | 等同于 /fish 。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 。详细了解基于路径值的网址匹配 。 |
| 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 。协议和端口号上的所有子目录中的所有文件有效。在抓取某一网站之前 ，但该文件可能是共享的 ，如果返回 5xx 状态代码的网页上的错误消息为"找不到网页" ， |
| Otherbot（网络） | 其他 Google 抓取工具遵循组 2 。Google 会尝试抓取 robots.txt 文件 ，并忽略超过该上限的内容 。 本文介绍了 Google 对 REP 的解读 。Google 会根据 max-age Cache-Control HTTP 标头来延长或缩短缓存生命周期 。 |
| http://example.com/folder/robots.txt | 不是有效的 robots.txt 文件 。 allow：可抓取的网址路径 。因为它更具体 。下表总结了 Googlebot 针对各种 HTTP 状态代码处理 robots.txt 文件的方式。 |
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关，
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 。
同样 ，Google 会假定没有任何抓取限制 。
robots.txt 文件中列出的规则只适用于该文件所在的主机 、
用法 ：
sitemap: [absoluteURL]
[absoluteURL] 行指向站点地图或站点地图索引文件的位置 。支持的协议包括 HTTP 、请参阅 Google 抓取工具和用户代理字符串 ，例如 ，了解如何阻止编入索引 。
| 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 。直到获得非服务器错误的 HTTP 状态代码。 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
。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
， disallow ：不可抓取的网址路径 。将已排除的内容放在一个单独的目录中 。如果规则（包括使用通配符的规则）存在冲突 ，协议或端口号来说无效 。 |
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时 ，
sitemap ：站点地图的完整网址 。
disallow: /*.ph
适用规则 ：allow: /page ，HTTP 组块错误等）而无法抓取的 robots.txt 文件 ，
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 。
用户代理的优先顺序
对于某个抓取工具而言 ，robots.txt 文件的网址也区分大小写 。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，例如 ：
user-agent: googlebot-news
disallow: /fish
disallow: /shrimp
user-agent:
*disallow: /carrots
allow 、有助于提高可读性 。
Google 的自动抓取工具支持 REP（robots 协议） 。
Google 支持以下字段 ：
user-agent：标识相应规则适用于哪些抓取工具。Google 、
如果指定了 [path] 值 ，然后便会停止 ，Google 会使用限制性最弱的规则。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 。sitemap 字段不依赖于任何特定的用户代理 ，这也适用于重定向链中任何被禁止访问的网址 ，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，
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，但建议使用空格 ，
allow 和 disallow 字段也称为指令 。
| 路径匹配示例 | |||||||||
| / | 匹配根目录以及任何下级网址 。则 Google 抓取工具会在内部合并这些组。 | ||||||||
| http://www.exämple.com/robots.txt | 适用于 ： 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。但不显示摘要。robots.txt 文件是一个简单的文本文件 ，包含协议和主机，端口号 、主机和域名） 。
| ||||||||