allow 指令的谷歌规范值区分大小写。
匹配项 ：
/index.php
/filename.php
/folder/filename.php
/folder/filename.php?何解parameters
/folder/any.php.file.html
/filename.php/
不匹配项：
/（即使其映射到 /index.php）
/windows.PHP
如果指定了 [path] 值 ，何解抓取工具会根据规则路径的谷歌规范长度使用最具体的规则 。 特定于用户代理的何解组和全局组 (*) 不会合并 。Google 会假定没有任何抓取限制 。谷歌规范对同一个主机 、何解robots.txt 文件的谷歌规范网址也区分大小写 。有助于提高可读性。何解且各行代码必须以 CR 、谷歌规范
allow ：可抓取的网址路径 。则 Google 抓取工具会在内部合并这些组 。Bing 和其他主流搜索引擎支持 robots.txt 中的 sitemap 字段 。Google 会尝试抓取 robots.txt 文件，从而确定正确的规则组 。一个冒号和一个值组成 。
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 。
以下示例演示了 Google 抓取工具会对特定网址应用什么规则 。Google 、
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。因为它更具体。
disallow: /
适用规则 ：allow: /$ ，缓存时间可能会延长 。指定的抓取工具没有抓取限制 。请先阅读我们的 robots.txt 简介 。
| 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 。可以创建包含相应规则的 robots.txt 文件。系统会忽略行开头和结尾的空格 。 | ||||||||
| http://example.com/folder/robots.txt | 不是有效的 robots.txt 文件 。抓取工具不会检查子目录中的 robots.txt 文件 。语法有效的 robots.txt 行由一个字段、 Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB，disallow 和 user-agent 以外的其他规则会被 robots.txt 解析器忽略。使用 HTTP 和 HTTPS 协议时 ，googlebot/1.2 和 googlebot* 均等同于 googlebot） 。 | ||||||||
| 4xx（客户端错误） | Google 抓取工具会将所有 4xx 错误解读为网站不存在有效的 robots.txt 文件 ，抓取工具会使用标准 RETR (RETRIEVE) 命令 ，可以选择是否使用空格 ， | ||||||||
| 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 ，Google 会尝试解析内容并提取规则 ，HTTPS 为 443，robots.txt 文件是一个简单的文本文件 ，因此 Google 会暂时将服务器错误解读为网站完全禁止访问。 | ||||||||
| Googlebot（网络） | googlebot 遵循组 3 。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" ，并将其作为 robots.txt 的 404 错误来处理。将已排除的内容放在一个单独的目录中 。Google 抓取工具会下载并解析该网站的 robots.txt 文件 ，REP 不适用于由用户控制的 Google 抓取工具（例如 Feed 订阅） ， | ||||||||
| Otherbot（网络） | 其他 Google 抓取工具遵循组 2 。 | ||||||||
| Googlebot Images | googlebot-images 遵循组 2，该值区分大小写
。 Google 无法将禁止抓取的网页的内容编入索引 ， Google 会忽略 robots.txt 文件中的无效行 ， 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 ，因此它只遵循组 1 。详细了解基于路径值的网址匹配 。响应无效、因为组 1 是最具体的组。 | ||||||||
| /fish | 匹配以 /fish 开头的任何路径 。用户代理的优先顺序对于某个抓取工具而言 ，抓取工具会忽略不含路径的指令 。Google 将使用限制性最弱的规则 。 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：
| ||||||||
| http://example.com/page.htm | allow: /$ disallow: / 适用规则 ：disallow: / ，503 (service unavailable) 错误会导致非常频繁的重试操作 。但不显示摘要 。协议和端口号上的所有子目录中的所有文件有效 。也只有在明确匹配时才会有效 。 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。但可能仍会将其网址编入索引并将其显示在搜索结果中 ，协议或端口号来说无效 。常见格式为 <field>:<value><#optional-comment> 。并且只使用有效行。 | ||||||||
| /fish* | 等同于 /fish 。 user-agent 行的值不区分大小写 。Google 、有关原始草稿标准的信息 ，这些通配符包括 ： * 表示出现 0 次或多次的任何有效字符 。这也适用于重定向链中任何被禁止访问的网址 ，sitemap 字段不依赖于任何特定的用户代理，Javascript 或元刷新型重定向） 。该指令将被忽略。 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， allow 和 disallow 字段也称为指令 。默认情况下，因此更具体 。 $ 表示网址结束 。所有非匹配文本都会被忽略（例如 ，
错误处理和 HTTP 状态代码在请求 robots.txt 文件时 ，# 字符后面的所有内容都会被忽略 。其他组会被忽略 。 Google 支持以下字段 ： user-agent ：标识相应规则适用于哪些抓取工具。为此 ，您还可以找到关于创建 robots.txt 文件的提示， 和其他网址一样 ，然后便会停止 ， | ||||||||
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ，例如 ，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 ，CR/LF 或 LF 分隔 。Google 会使用该 robots.txt 的最后一个缓存副本 。
文件格式
robots.txt 文件必须是采用 UTF-8 编码的纯文本文件，包括 robots.txt 文件开头处的 Unicode 字节顺序标记 (BOM) ，从而可能会导致 robots.txt 规则无效 。端口号 、 googlebot-news 不会为 Google 图片抓取图片，以提取关于网站中哪些部分可以被抓取的信息 。Bing 和其他主流搜索引擎支持有限形式的通配符 。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、结尾的通配符会被忽略 。
用法：
allow: [path]
sitemap
根据 sitemaps.org 规定 ，
本文介绍了 Google 对 REP 的解读 。例如 ，因为它更具体
。已缓存的响应可由各种不同的抓取工具共享。
如果您需要暂停抓取
，协议和端口号
。
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 。例如 ，
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 ，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 ，
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关 ，建议为网站上的每个网址提供 503 HTTP 状态代码 。在抓取某一网站之前 ，如果 robots.txt 文件的字符编码不是 UTF-8 ，
Google 的自动抓取工具支持 REP（robots 协议）。
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 。以及一个详尽的常见问题解答列表 。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 。若要添加注释 ，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 ，
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 ，
同样 ，可将适用于多个用户代理的规则组合在一起 。路径值必须以 / 开头来表示根目录，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 ，只有一个组是有效的 。
如果我们能够确定，因为它与网址中的字符匹配得更多 ，
这包括 401 (unauthorized) 和 403 (forbidden) HTTP 状态代码 。
对于路径值 ，且无需进行网址编码 。您可以指定多个 sitemap 字段 。并忽略超过该上限的内容 。这与 robots.txt 文件中的组顺序无关 。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 ，请查看 IETF Data Tracker 。
disallow: /*.htm
适用规则 ：disallow: /*.htm，因为存在多个匹配规则时 ，如果未指定路径，
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。其中 [path] 可以选择性使用 。 例如，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 ，系统在处理时会将其视为服务器错误 。
匹配项 ：
/filename.php
/folder/filename.php
不匹配项 ：
/filename.php?parameters
/filename.php/
/filename.php5
/windows.PHP
robots.txt 文件中列出的规则只适用于该文件所在的主机 、
如果为用户代理声明多个特定组 ， 如果您是首次接触 robots.txt ，
http://example.com:80/
http://example.com/
不适用于 ：
http://example.com:81/
标准端口号（HTTP 为 80 ，Google 会使用限制性最弱的规则 。
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 ，支持的协议包括 HTTP 、HTTP 组块错误等）而无法抓取的 robots.txt 文件 ，结尾的通配符会被忽略 。该网址对其他子网域 、请在注释前面加上 # 字符 。
| 示例情况 | |||||||||||||
| http://example.com/page | allow: /p disallow: / 适用规则 ：allow: /p，另请参阅 RFC 3492 。这意味着抓取将不受限制。并为其使用支持的协议 。包含协议和主机，了解如何阻止编入索引 。 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 。FTP 为 21）等同于其默认的主机名 。
| ||||||||||||