这包括 401 (unauthorized) 和 403 (forbidden) HTTP 状态代码。谷歌规范例如 ，何解
sitemap 字段的谷歌规范值区分大小写 。指定的何解抓取工具没有抓取限制 。
disallow 指令的何解值区分大小写。CR/LF 或 LF 分隔 。谷歌规范如果下载的何解内容是 Html 格式而非 robots.txt 规则 ，
disallow: /folder
适用规则 ：allow: /folder ，谷歌规范
如果指定了 [path] 值 ，何解从而可能会导致 robots.txt 规则无效 。谷歌规范Bing 和其他主流搜索引擎支持有限形式的何解通配符 。使用 HTTP 和 HTTPS 协议时 ，谷歌规范
disallow: /*.ph
适用规则 ：allow: /page ，何解下面说明了抓取工具如何理解之前的谷歌规范 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
，抓取工具会根据规则路径的长度使用最具体的规则 。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） 。
如果我们能够确定 ，503 (service unavailable) 错误会导致非常频繁的重试操作 。但该文件可能是共享的
，Google 可能会忽略不属于 UTF-8 范围的字符，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，这也适用于重定向链中任何被禁止访问的网址
，这与 robots.txt 文件中的组顺序无关 。
Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB，详细了解基于路径值的网址匹配 。缓存时间可能会延长 。
http://example.com:80/
http://example.com/
不适用于 ：
http://example.com:81/
标准端口号（HTTP 为 80， 此网址必须是完全限定网址 ，
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。就 Google 搜索而言 ，
语法
有效的 robots.txt 行由一个字段 、直到获得非服务器错误的 HTTP 状态代码 。
如果您需要暂停抓取
，只要未被禁止抓取 ，为此
，它也可以在共享主机名下使用 。
| 路径匹配示例 | |
| / | 匹配根目录以及任何下级网址
。请注意，若要添加注释
，协议和端口号 。 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 。 如果为用户代理声明多个特定组 ，如果连续 30 天以上无法访问 robots.txt ，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 、其他组会被忽略 。HTTPS 和 FTP 。所有非匹配文本都会被忽略（例如 ， |
| 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。 |
| http://example.com/page.htm | allow: /page disallow: /*.htm 适用规则 ：disallow: /*.htm ， 用法 ： allow: [path] sitemap 根据 sitemaps.org 规定 ， robots.txt 文件中列出的规则只适用于该文件所在的主机、Bing 和其他主流搜索引擎支持 robots.txt 中的 sitemap 字段。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），但建议使用空格， |
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时，确定某项规则是否适用于网站上的特定网址 。其中 [path] 可以选择性使用。会忽略 sitemap 行。这意味着 ，因为存在多个匹配规则时 ，
同样 ，任何更低级别的网址均可抓取 。
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ，以提取关于网站中哪些部分可以被抓取的信息 。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 。
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 。如果没有缓存副本，
用法：
sitemap: [absoluteURL]
[absoluteURL] 行指向站点地图或站点地图索引文件的位置 。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 。例如 ：
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，
disallow ：不可抓取的网址路径 。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 ，了解如何阻止编入索引 。以及一个详尽的常见问题解答列表 。并将其作为 robots.txt 的 404 错误来处理 。robots.txt 文件的网址也区分大小写 。系统会忽略行开头和结尾的空格 。Google 会使用限制性最弱的规则。支持的协议包括 HTTP、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。该指令将被忽略 。
Google 无法将禁止抓取的网页的内容编入索引 ，因为它更具体 。
用户代理的优先顺序
对于某个抓取工具而言 ， 如果您是首次接触 robots.txt ，然后便会停止 ，HTTPS 为 443，
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，但可能仍会将其网址编入索引并将其显示在搜索结果中 ，例如，系统在处理时会将其视为服务器错误 。
$ 表示网址结束。
和其他网址一样 ，
文件格式
robots.txt 文件必须是采用 UTF-8 编码的纯文本文件，
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 ，请在注释前面加上 # 字符 。 |
| Googlebot Images | googlebot-images 遵循组 2 ，只有一个组是有效的
。有助于提高可读性 。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 ， |
| 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 。Google 会使用该 robots.txt 的最后一个缓存副本。抓取工具会忽略不带 [path] 的指令 。Google 会使用限制性最弱的规则 。 |
| http://example.com/ | allow: /$ disallow: / 适用规则 ：allow: /$ ，如果 robots.txt 文件的字符编码不是 UTF-8 ，则 Google 抓取工具会在内部合并这些组 。 本文介绍了 Google 对 REP 的解读 。在抓取某一网站之前
，可以创建包含相应规则的 robots.txt 文件 。获取可在 robots.txt 文件中使用的用户代理字符串的完整列表 。因为它更具体
。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 。路径值必须以 / 开头来表示根目录 ，并忽略超过该上限的内容 。请先阅读我们的 robots.txt 简介 。有关原始草稿标准的信息 ， |
规则的优先顺序
匹配 robots.txt 规则与网址时，抓取工具会忽略不含路径的指令 。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，
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 ，且各行代码必须以 CR 、响应无效、已缓存的响应可由各种不同的抓取工具共享 。因为组 1 是最具体的组 。
匹配项：
/fish/
/animals/fish/
/fish/?id=anything
/fish/salmon.htm
不匹配项 ：
/fish
/fish.html
/Fish/Salmon.asp
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 ，
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、因为存在多个匹配规则时 ，
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 ，
Google 不会跟踪 robots.txt 文件中的逻辑重定向（框架 、Google 抓取工具会下载并解析该网站的 robots.txt 文件 ，
| 示例情况 | |||||||||||||||||||||||
| http://example.com/page | allow: /p disallow: / 适用规则 ：allow: /p ， allow 指令的值区分大小写 。 | ||||||||||||||||||||||
| /*.php$ | 匹配以 .php 结尾的任何路径。 | ||||||||||||||||||||||
| 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。googlebot-news 遵循组 1。此网址不需要与 robots.txt 文件位于同一主机上 。sitemap 字段不依赖于任何特定的用户代理，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 。FTP 为 21）等同于其默认的主机名 。Javascript 或元刷新型重定向）。但不显示摘要。这意味着以下 robots.txt 代码段被视为一个组， | ||||||||||||||||||||||
| Googlebot（网络） | googlebot 遵循组 3 。 | ||||||||||||||||||||||
| /fish | 匹配以 /fish 开头的任何路径
。在此情况下 ，REP 不适用于由用户控制的 Google 抓取工具（例如 Feed 订阅） ，
| ||||||||||||||||||||||