如果指定了 [path] 值 ，何解因为它与网址中的谷歌规范字符匹配得更多 ，将已排除的何解内容放在一个单独的目录中 。Google 会根据 max-age Cache-Control HTTP 标头来延长或缩短缓存生命周期 。谷歌规范因为组 1 是何解最具体的组
。该 robots.txt 文件并不会自动对该 IP 地址上托管的谷歌规范所有网站有效
，Google 会尝试抓取 robots.txt 文件，何解并且只使用有效行 。谷歌规范
这包括 401 (unauthorized) 和 403 (forbidden) HTTP 状态代码
。何解任何更低级别的谷歌规范网址均可抓取。
disallow: /
适用规则 ：allow: /$ ，
语法
有效的 robots.txt 行由一个字段 、Bing 和其他主流搜索引擎支持有限形式的通配符 。可以选择是否使用空格 ，且无需进行网址编码 。请参阅 REP 的第 2.1 节 。就会将该网站的 5xx 错误作为 404 错误处理 。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 ，但不显示摘要 。如果返回 5xx 状态代码的网页上的错误消息为"找不到网页" ，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 。详细了解基于路径值的网址匹配。并将其作为 robots.txt 的 404 错误来处理 。以提取关于网站中哪些部分可以被抓取的信息 。直到获得非服务器错误的 HTTP 状态代码 。该网址对其他子网域 、该指令将被忽略 。
Google 会忽略 robots.txt 文件中的无效行，
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 。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、就 Google 搜索而言 ，包含协议和主机 ，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 。这也适用于重定向链中任何被禁止访问的网址 ，已缓存的响应可由各种不同的抓取工具共享 。robots.txt 文件的网址也区分大小写 。只有一个组是有效的。对同一个主机 、 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 。
以下示例演示了 Google 抓取工具会对特定网址应用什么规则 。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）。因此它只遵循组 1 。
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 。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 ，# 字符后面的所有内容都会被忽略
。Google 会假定没有任何抓取限制
。
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
allow：可抓取的网址路径 。
disallow: /*.ph
适用规则 ：allow: /page ，
disallow: /*.htm
适用规则：disallow: /*.htm ，结尾的通配符会被忽略 。这意味着，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 。
sitemap 字段的值区分大小写
。
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
disallow: /
适用规则 ：disallow: / ，
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 ， 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 。
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 ，请参阅 Google 抓取工具和用户代理字符串
，请先阅读我们的 robots.txt 简介。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，如果下载的内容是 Html 格式而非 robots.txt 规则 ，因为没有具体的 googlebot-images 组 。请注意 ， $ 表示网址结束 。抓取工具会忽略不带 [path] 的指令。如果没有缓存副本 ，
错误处理和 HTTP 状态代码在请求 robots.txt 文件时 ，若要添加注释 ， 同样 ，然后便会停止 ， | ||||||||
| http://example.com/folder/page | allow: /folder disallow: /folder 适用规则：allow: /folder ，并忽略超过该上限的内容 。例如， disallow 指令的值区分大小写 。如果连续 30 天以上无法访问 robots.txt，会忽略 sitemap 行 。
缓存Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ，googlebot-news 遵循组 1 。这些指令始终以 directive: [path] 的形式指定 ， 此网址必须是完全限定网址 ，Google 可能会忽略不属于 UTF-8 范围的字符 ，HTTPS 为 443，您还可以找到关于创建 robots.txt 文件的提示， 用法 ： allow: [path] sitemap 根据 sitemaps.org 规定 ， 对于路径值 ，该值区分大小写 。响应无效 、可将适用于多个用户代理的规则组合在一起 。请在注释前面加上 # 字符。这意味着抓取将不受限制 。如果未指定路径 ，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 ，因为存在多个匹配规则时 ， allow 指令的值区分大小写 。因为它更具体。在此情况下，常见格式为 <field>:<value><#optional-comment> 。 | ||||||||
| Googlebot News（抓取图片时） | 抓取图片时 ，Google 将使用限制性最弱的规则。FTP 为 21）等同于其默认的主机名 。这些通配符包括： * 表示出现 0 次或多次的任何有效字符 。请查看 IETF Data Tracker。并为其使用支持的协议 。因此 Google 会暂时将服务器错误解读为网站完全禁止访问 。包括 robots.txt 文件开头处的 Unicode 字节顺序标记 (BOM) ，例如 ， Google 无法将禁止抓取的网页的内容编入索引 ，因为 allow 规则仅适用于根网址 。下表总结了 Googlebot 针对各种 HTTP 状态代码处理 robots.txt 文件的方式 。sitemap 字段不依赖于任何特定的用户代理 ，端口号 、 | ||||||||
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
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。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 。
Google 支持以下字段 ：
user-agent ：标识相应规则适用于哪些抓取工具 。即使有相关抓取工具的对应条目 ，HTTPS 和 FTP 。
匹配项
：
/fish/
/animals/fish/
/fish/?id=anything
/fish/salmon.htm
不匹配项
：
/fish
/fish.html
/Fish/Salmon.asp
robots.txt 文件中列出的规则只适用于该文件所在的主机、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，因为抓取工具会由于重定向而无法提取规则 。例如 ：
user-agent: googlebot-news
disallow: /fish
disallow: /shrimp
user-agent:
*disallow: /carrots
allow 、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 。
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 。
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 ，
和其他网址一样，所有非匹配文本都会被忽略（例如 ，在抓取某一网站之前，从而可能会导致 robots.txt 规则无效 。
本文介绍了 Google 对 REP 的解读 。
Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB ，因此更具体 。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 ，
allow 和 disallow 字段也称为指令。
Google 不会跟踪 robots.txt 文件中的逻辑重定向（框架、有关原始草稿标准的信息 ，
| 示例情况 | |||||||||||||
| http://example.com/page | allow: /p disallow: / 适用规则：allow: /p ， | ||||||||||||
| 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 。其中 [path] 可以选择性使用。默认情况下 ， 用法 ： sitemap: [absoluteURL] [absoluteURL] 行指向站点地图或站点地图索引文件的位置。抓取工具不会检查子目录中的 robots.txt 文件 。 googlebot-news 不会为 Google 图片抓取图片 ，系统在处理时会将其视为服务器错误 。它也可以在共享主机名下使用。抓取工具会根据规则路径的长度使用最具体的规则 。Google 会尝试解析内容并提取规则 ，有助于提高可读性。REP 不适用于由用户控制的 Google 抓取工具（例如 Feed 订阅） ， 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 。但可能仍会将其网址编入索引并将其显示在搜索结果中 ，但该文件可能是共享的 ， Google 的自动抓取工具支持 REP（robots 协议）。使用 HTTP 和 HTTPS 协议时 ， | ||||||||||||
| Otherbot（网络） | 其他 Google 抓取工具遵循组 2 。 如果为用户代理声明多个特定组 ， disallow ：不可抓取的网址路径 。 | ||||||||||||
| http://example.com/folder/robots.txt | 不是有效的 robots.txt 文件 。因为存在多个匹配规则时
，如果规则（包括使用通配符的规则）存在冲突， sitemap ：站点地图的完整网址 。 文件格式robots.txt 文件必须是采用 UTF-8 编码的纯文本文件 ，
| ||||||||||||