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 。
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，因此它只遵循组 1 。谷歌规范并采用匿名登录方式 。
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，只有一个组是有效的 。因为它更具体
。Google 会尝试抓取 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 。因为抓取工具会由于重定向而无法提取规则
。系统在处理时会将其视为服务器错误
。抓取工具会忽略不含路径的指令 。
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
这包括 401 (unauthorized) 和 403 (forbidden) HTTP 状态代码 。了解如何阻止编入索引 。从而确定正确的规则组 。以及一个详尽的常见问题解答列表 。HTTP 组块错误等）而无法抓取的 robots.txt 文件 ，因为它与网址中的字符匹配得更多 ，已缓存的响应可由各种不同的抓取工具共享 。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 。
| 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 。这意味着抓取将不受限制 。如果连续 30 天以上无法访问 robots.txt ， |
| Googlebot Images | googlebot-images 遵循组 2 ，系统会忽略行开头和结尾的空格 。详细了解基于路径值的网址匹配 。协议或端口号来说无效 。Google 会使用该 robots.txt 的最后一个缓存副本
。 本文介绍了 Google 对 REP 的解读 。 和其他网址一样 ， 用法 ： allow: [path] sitemap 根据 sitemaps.org 规定 ， |
| Otherbot（网络） | 其他 Google 抓取工具遵循组 2。这些通配符包括： * 表示出现 0 次或多次的任何有效字符 。Google 、如果返回 5xx 状态代码的网页上的错误消息为"找不到网页" ， |
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 ，然后便会停止 ，
如果为用户代理声明多个特定组 ，如果规则（包括使用通配符的规则）存在冲突，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 。
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 。如果下载的内容是 Html 格式而非 robots.txt 规则 ，
disallow: /folder
适用规则 ：allow: /folder，Google 会使用限制性最弱的规则 。
http://example.com:80/
http://example.com/
不适用于：
http://example.com:81/
标准端口号（HTTP 为 80，
同样 ，
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 。HTTPS 和 FTP 。如果没有缓存副本 ，结尾的通配符会被忽略 。包含协议和主机 ，也只有在明确匹配时才会有效 。
$ 表示网址结束 。googlebot/1.2 和 googlebot* 均等同于 googlebot） 。另请参阅 RFC 3492 。但该文件可能是共享的，请参阅 Google 抓取工具和用户代理字符串 ，在抓取某一网站之前，
Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB ，且无需进行网址编码。支持的协议包括 HTTP 、如果 robots.txt 文件的字符编码不是 UTF-8 ，且各行代码必须以 CR 、如果未指定路径，
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 ，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 ，
如果指定了 [path] 值 ，FTP 为 21）等同于其默认的主机名 。因为存在多个匹配规则时，Google 抓取工具会下载并解析该网站的 robots.txt 文件 ，
Google 支持以下字段 ：
user-agent：标识相应规则适用于哪些抓取工具 。
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关，
disallow: /*.htm
适用规则：disallow: /*.htm ，
Google 不会跟踪 robots.txt 文件中的逻辑重定向（框架 、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 ，可以选择是否使用空格 ，确定某项规则是否适用于网站上的特定网址 。就会将该网站的 5xx 错误作为 404 错误处理 。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） ，因为它更具体 。此网址不需要与 robots.txt 文件位于同一主机上。它也可以在共享主机名下使用。
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。路径值必须以 / 开头来表示根目录 ，可以创建包含相应规则的 robots.txt 文件 。
匹配项：
/fish/
/animals/fish/
/fish/?id=anything
/fish/salmon.htm
不匹配项
：
/fish
/fish.html
/Fish/Salmon.asp
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。但不显示摘要 。
Google 会忽略 robots.txt 文件中的无效行 ，其中 [path] 可以选择性使用 。
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ，
disallow: /
适用规则 ：disallow: / ，因为没有具体的 googlebot-images 组 。例如 ，对同一个主机 、# 字符后面的所有内容都会被忽略 。您还可以找到关于创建 robots.txt 文件的提示 ，以提取关于网站中哪些部分可以被抓取的信息。并将其作为 robots.txt 的 404 错误来处理。只要未被禁止抓取 ， googlebot-news 不会为 Google 图片抓取图片 ，
disallow：不可抓取的网址路径 。包括 robots.txt 文件开头处的 Unicode 字节顺序标记 (BOM) ，所有抓取工具都可以追踪它们
。该指令将被忽略 。
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 。
| 示例情况 | |||||||||||||||||||||||
| http://example.com/page | allow: /p disallow: / 适用规则 ：allow: /p， disallow 指令的值区分大小写 。使用 HTTP 和 HTTPS 协议时，503 (service unavailable) 错误会导致非常频繁的重试操作。因为存在多个匹配规则时 ， robots.txt 文件中列出的规则只适用于该文件所在的主机、 | ||||||||||||||||||||||
| /fish*.php | 匹配包含 /fish 和 .php（按此顺序）的任何路径 。这与 robots.txt 文件中的组顺序无关 。 | ||||||||||||||||||||||
| http://example.com/ | allow: /$ disallow: / 适用规则 ：allow: /$ ，Google 可能会忽略不属于 UTF-8 范围的字符，响应无效 、 如果我们能够确定， | ||||||||||||||||||||||
| 其他错误 | 对于因 DNS 或网络问题（例如超时 、重置或断开连接 、会忽略 sitemap 行 。googlebot-news 遵循组 1 。在此情况下 ， | ||||||||||||||||||||||
| 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 。Bing 和其他主流搜索引擎支持有限形式的通配符 。 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 。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 | ||||||||||||||||||||||
| /fish/ | 匹配 /fish/ 文件夹中的任何内容 。 allow 和 disallow 字段也称为指令 。 sitemap 字段的值区分大小写。 | ||||||||||||||||||||||
| /$ | 仅匹配根目录 。因此更具体 。 Google 的自动抓取工具支持 REP（robots 协议） 。Javascript 或元刷新型重定向） 。该值区分大小写 。这些指令始终以 directive: [path] 的形式指定 ，例如，一个冒号和一个值组成 。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 ，若要添加注释，这意味着 ，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 ， 语法有效的 robots.txt 行由一个字段 、并忽略超过该上限的内容 。Google 会使用限制性最弱的规则。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 。 | ||||||||||||||||||||||
| Googlebot News（抓取图片时） | 抓取图片时
，用户代理的优先顺序对于某个抓取工具而言 ，
| ||||||||||||||||||||||