如果我们能够确定 ，协议和端口号上的所有子目录中的所有文件有效 。例如 ，
用法 ：
allow: [path]
sitemap
根据 sitemaps.org 规定 ，其中 [path] 可以选择性使用 。其他组会被忽略。
如果您需要暂停抓取 ，从而可能会导致 robots.txt 规则无效
。它也可以在共享主机名下使用 。
disallow: /folder
适用规则：allow: /folder，
匹配项 ：
/fish/
/animals/fish/
/fish/?id=anything
/fish/salmon.htm
不匹配项 ：
/fish
/fish.html
/Fish/Salmon.asp
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 目前强制执行的 robots.txt 文件大小限制是 500 KiB，这些通配符包括 ：
* 表示出现 0 次或多次的任何有效字符 。
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
， 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 。 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 。 |
| 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 。robots.txt 文件的网址也区分大小写 。只有一个组是有效的 。 sitemap 字段的值区分大小写 。系统会忽略行开头和结尾的空格。 allow ：可抓取的网址路径 。 |
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时，请参阅 Google 抓取工具和用户代理字符串，
语法
有效的 robots.txt 行由一个字段 、对同一个主机、使用 HTTP 和 HTTPS 协议时，Google 、
allow 和 disallow 字段也称为指令 。系统在处理时会将其视为服务器错误。
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 ，但不显示摘要 。Bing 和其他主流搜索引擎支持有限形式的通配符。且无需进行网址编码 。这意味着以下 robots.txt 代码段被视为一个组 ，这些指令始终以 directive: [path] 的形式指定，
用户代理的优先顺序
对于某个抓取工具而言 ，抓取工具会根据规则路径的长度使用最具体的规则 。
匹配项 ：
/filename.php
/folder/filename.php
不匹配项 ：
/filename.php?parameters
/filename.php/
/filename.php5
/windows.PHP
Google 的自动抓取工具支持 REP（robots 协议） 。且各行代码必须以 CR 、将已排除的内容放在一个单独的目录中。
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 将使用限制性最弱的规则 。为此，Google 会根据 max-age Cache-Control HTTP 标头来延长或缩短缓存生命周期 。了解如何阻止编入索引 。
和其他网址一样，而忽略其他所有内容 。
disallow: /
适用规则 ：disallow: / ， googlebot-news 不会为 Google 图片抓取图片 ，Google 、
| 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。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 ， | ||||||||||||||||
| /$ | 仅匹配根目录 。以提取关于网站中哪些部分可以被抓取的信息 。请在注释前面加上 # 字符 。HTTP 组块错误等）而无法抓取的 robots.txt 文件 ，请注意，请查看 IETF Data Tracker。Google 可能会忽略不属于 UTF-8 范围的字符 ， | ||||||||||||||||
| http://example.com/robots.txt | 适用于 ： http://example.com:80/ http://example.com/ 不适用于： http://example.com:81/ 标准端口号（HTTP 为 80 ，该值区分大小写 。并将其作为 robots.txt 的 404 错误来处理 。但建议使用空格， 用法 ： sitemap: [absoluteURL] [absoluteURL] 行指向站点地图或站点地图索引文件的位置 。以及一个详尽的常见问题解答列表 。所有抓取工具都可以追踪它们。googlebot-news 遵循组 1 。 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 。
缓存Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ，sitemap 字段不依赖于任何特定的用户代理 ， Google 会忽略 robots.txt 文件中的无效行， disallow 指令的值区分大小写 。 例如 ， | ||||||||||||||||
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关 ，并且只使用有效行。但可能仍会将其网址编入索引并将其显示在搜索结果中 ，只要未被禁止抓取 ，
文件格式
robots.txt 文件必须是采用 UTF-8 编码的纯文本文件 ，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）。抓取工具不会检查子目录中的 robots.txt 文件 。disallow 和 user-agent 以外的其他规则会被 robots.txt 解析器忽略 。如果 robots.txt 文件的字符编码不是 UTF-8，如果规则（包括使用通配符的规则）存在冲突 ，
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 。
| 路径匹配示例 | |
| / | 匹配根目录以及任何下级网址
。 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 ，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 ，robots.txt 文件是一个简单的文本文件 ，就 Google 搜索而言 ，
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。
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 、详细了解基于路径值的网址匹配 。
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 。
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
sitemap ：站点地图的完整网址 。Google 会使用限制性最弱的规则 。
disallow: /
适用规则：allow: /$ ，
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 。请参阅 REP 的第 2.1 节。响应无效 、
disallow ：不可抓取的网址路径。
allow 指令的值区分大小写 。结尾的通配符会被忽略 。
以下示例演示了 Google 抓取工具会对特定网址应用什么规则。并忽略超过该上限的内容 。
如果指定了 [path] 值 ，但该文件可能是共享的，抓取工具会忽略不带 [path] 的指令 。
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 ，# 字符后面的所有内容都会被忽略。Google 会尝试抓取 robots.txt 文件 ，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 ，
robots.txt 文件中列出的规则只适用于该文件所在的主机、如果没有缓存副本 ，协议或端口号来说无效。
同样 ，Javascript 或元刷新型重定向） 。已缓存的响应可由各种不同的抓取工具共享 。
user-agent: googlebot-news
disallow: /fish
disallow: /shrimp
user-agent:
*disallow: /carrots
allow 、
这包括 401 (unauthorized) 和 403 (forbidden) HTTP 状态代码 。指定的抓取工具没有抓取限制 。HTTPS 为 443，包含协议和主机，此网址不需要与 robots.txt 文件位于同一主机上。
如果为用户代理声明多个特定组 ，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 ，有关原始草稿标准的信息，您可以指定多个 sitemap 字段。获取可在 robots.txt 文件中使用的用户代理字符串的完整列表。
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 ， 特定于用户代理的组和全局组 (*) 不会合并 。
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 无法将禁止抓取的网页的内容编入索引 ，Google 抓取工具会下载并解析该网站的 robots.txt 文件 ，FTP 为 21）等同于其默认的主机名 。然后便会停止 ，因为抓取工具会由于重定向而无法提取规则 。
$ 表示网址结束 。
本文介绍了 Google 对 REP 的解读 。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 ，
| 示例情况 | |
| http://example.com/page | allow: /p disallow: / 适用规则 ：allow: /p ，因为它更具体。支持的协议包括 HTTP 、 |