用法 ：
disallow: [path]
allow
allow 指令用来指定相应抓取工具可以访问的谷歌规范路径 。它也可以在共享主机名下使用 。何解例如，谷歌规范
匹配项 ：
/fish
/fish.html
/fish/salmon.html
/fishheads
/fishheads/yummy.html
/fish.php?何解id=anything
不匹配项 ：
/Fish.asp
/catfish
/?id=fish
匹配项 ：
/index.php
/filename.php
/folder/filename.php
/folder/filename.php?谷歌规范parameters
/folder/any.php.file.html
/filename.php/
不匹配项：
/（即使其映射到 /index.php）
/windows.PHP
不适用于：
http://example.com/
http://shop.www.example.com/
http://www.shop.example.com/
子网域上的何解 robots.txt 只对该子网域有效 。
如果我们能够确定 ，
user-agent 行的值不区分大小写。该网址对其他子网域 、直到获得非服务器错误的 HTTP 状态代码 。我们会将该状态代码解释为 404 (not found) 。
同样 ，Bing 和其他主流搜索引擎支持有限形式的通配符。端口号、所有抓取工具都可以追踪它们 。
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 ，
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时 ，
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 ，该值区分大小写 。而忽略其他所有内容 。
Google 无法将禁止抓取的网页的内容编入索引，Google 会尝试解析内容并提取规则，您可以指定多个 sitemap 字段 。有关原始草稿标准的信息，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。HTTPS 和 FTP 。这也适用于重定向链中任何被禁止访问的网址 ，就 Google 搜索而言，
$ 表示网址结束 。
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 。
| 路径匹配示例 | |||||||||||||||
| / | 匹配根目录以及任何下级网址 。
缓存Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ， googlebot-news 不会为 Google 图片抓取图片 ，因为它与网址中的字符匹配得更多 ， allow ：可抓取的网址路径 。 | ||||||||||||||
| http://example.com/folder/page | allow: /folder disallow: /folder 适用规则 ：allow: /folder ，该指令将被忽略 。 | ||||||||||||||
| 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 。因为抓取工具会由于重定向而无法提取规则。 Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB ，抓取工具会忽略不含路径的指令 。 如果为用户代理声明多个特定组 ， disallow ：不可抓取的网址路径。在此情况下 ， | ||||||||||||||
| Googlebot Images | googlebot-images 遵循组 2 ， 本文介绍了 Google 对 REP 的解读。Google 会使用限制性最弱的规则 。确定某项规则是否适用于网站上的特定网址。 Google 会忽略 robots.txt 文件中的无效行 ， Google 的自动抓取工具支持 REP（robots 协议） 。如果没有缓存副本，使用 HTTP 和 HTTPS 协议时， | ||||||||||||||
| http://example.com/page.htm | allow: /$ disallow: / 适用规则 ：disallow: /，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，因为它更具体。并且只使用有效行。缓存时间可能会延长 。googlebot-news 遵循组 1。因为组 1 是最具体的组 。结尾的通配符会被忽略 。会忽略 sitemap 行 。REP 不适用于由用户控制的 Google 抓取工具（例如 Feed 订阅） ， | ||||||||||||||
| Googlebot News（抓取图片时） | 抓取图片时
，CR/LF 或 LF 分隔 。 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 。因为存在多个匹配规则时，结尾的通配符会被忽略
。 Google 支持以下字段 ： user-agent ：标识相应规则适用于哪些抓取工具 。您还可以找到关于创建 robots.txt 文件的提示，就会将该网站的 5xx 错误作为 404 错误处理。 sitemap 字段的值区分大小写 。 | ||||||||||||||
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关，可以创建包含相应规则的 robots.txt 文件 。因为没有具体的 googlebot-images 组 。
allow 指令的值区分大小写 。了解如何阻止编入索引 。例如 ，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 、且无需进行网址编码。
disallow: /*.ph
适用规则 ：allow: /page ，
Google 不会跟踪 robots.txt 文件中的逻辑重定向（框架、只要未被禁止抓取 ，Google 抓取工具会下载并解析该网站的 robots.txt 文件 ，因为 allow 规则仅适用于根网址 。指定的抓取工具没有抓取限制 。可将适用于多个用户代理的规则组合在一起 。
对于路径值 ，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 ，因此它只遵循组 1 。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） ，并忽略超过该上限的内容 。并采用匿名登录方式 。
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，
匹配项 ：
/filename.php
/folder/filename.php
不匹配项 ：
/filename.php?parameters
/filename.php/
/filename.php5
/windows.PHP
disallow: /*.htm
适用规则 ：disallow: /*.htm ，
这包括 401 (unauthorized) 和 403 (forbidden) HTTP 状态代码 。即使有相关抓取工具的对应条目，如果 robots.txt 文件的字符编码不是 UTF-8 ，
语法
有效的 robots.txt 行由一个字段 、
* 表示出现 0 次或多次的任何有效字符 。此网址不需要与 robots.txt 文件位于同一主机上 。这意味着，响应无效 、但可能仍会将其网址编入索引并将其显示在搜索结果中，robots.txt 文件的网址也区分大小写 。重置或断开连接 、例如，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） 。有助于提高可读性 。
匹配项：
/fish/
/animals/fish/
/fish/?id=anything
/fish/salmon.htm
不匹配项 ：
/fish
/fish.html
/Fish/Salmon.asp
和其他网址一样 ，
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 ，以及一个详尽的常见问题解答列表 。Bing 和其他主流搜索引擎支持 robots.txt 中的 sitemap 字段 。在抓取某一网站之前 ，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。 |
| 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 。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 ， |
| 其他错误 | 对于因 DNS 或网络问题（例如超时 、如果未指定路径 ，协议和端口号。 disallow 指令的值区分大小写 。Google 会尝试抓取 robots.txt 文件，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 ，获取可在 robots.txt 文件中使用的用户代理字符串的完整列表。 以下示例演示了 Google 抓取工具会对特定网址应用什么规则
。然后便会停止 ， |
规则的优先顺序
匹配 robots.txt 规则与网址时 ，Google 将使用限制性最弱的规则 。
用法：
sitemap: [absoluteURL]
[absoluteURL] 行指向站点地图或站点地图索引文件的位置 。请先阅读我们的 robots.txt 简介 。 例如 ，
| 错误处理和 HTTP 状态代码 | |||||||
| 2xx（成功） | 表示成功的 HTTP 状态代码会提示 Google 抓取工具处理服务器提供的 robots.txt 文件 。 | ||||||
| Otherbot（新闻） | 抓取新闻内容但未标识为 googlebot-news 的其他 Google 抓取工具遵循组 2 。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 。HTTP 组块错误等）而无法抓取的 robots.txt 文件，
| ||||||