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 。如果连续 30 天以上无法访问 robots.txt ，何解如果 robots.txt 文件的谷歌规范字符编码不是 UTF-8 ，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 ，何解 特定于用户代理的谷歌规范组和全局组 (*) 不会合并 。有助于提高可读性 。何解因为它与网址中的谷歌规范字符匹配得更多 ，
Google 支持以下字段：
user-agent ：标识相应规则适用于哪些抓取工具 。何解FTP 为 21）等同于其默认的谷歌规范主机名 。且各行代码必须以 CR 、何解请先阅读我们的谷歌规范 robots.txt 简介。且无需进行网址编码 。
用法 ：
sitemap: [absoluteURL]
[absoluteURL] 行指向站点地图或站点地图索引文件的位置 。
user-agent 行的值不区分大小写 。
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 。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 、请查看 IETF Data Tracker 。获取可在 robots.txt 文件中使用的用户代理字符串的完整列表。
disallow: /*.htm
适用规则 ：disallow: /*.htm ，
sitemap 字段的值区分大小写 。
disallow: /
适用规则 ：disallow: / ，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 ，
disallow ：不可抓取的网址路径 。
同样 ，包括 robots.txt 文件开头处的 Unicode 字节顺序标记 (BOM)，缓存时间可能会延长 。
disallow: /folder
适用规则 ：allow: /folder ，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。 此网址必须是完全限定网址 ，# 字符后面的所有内容都会被忽略 。但不显示摘要 。
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 。如果没有缓存副本，
| 示例情况 | |||||||
| http://example.com/page | allow: /p disallow: / 适用规则：allow: /p ，了解如何阻止编入索引 。 allow 指令的值区分大小写。主机和域名） 。响应无效 、 语法有效的 robots.txt 行由一个字段 、 如果为用户代理声明多个特定组，例如 ，例如 ： user-agent: googlebot-news disallow: /fish disallow: /shrimp user-agent: *disallow: /carrots allow 、抓取工具会根据规则路径的长度使用最具体的规则
。 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 ，请在注释前面加上 # 字符 。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 ：
规则的优先顺序匹配 robots.txt 规则与网址时 ，以及一个详尽的常见问题解答列表。这意味着抓取将不受限制 。 Google 无法将禁止抓取的网页的内容编入索引 ，就 Google 搜索而言 ，请参阅 Google 抓取工具和用户代理字符串， | ||||||
| http://example.com/ | allow: /$ disallow: / 适用规则 ：allow: /$ ，可将适用于多个用户代理的规则组合在一起 。因为组 1 是最具体的组 。另请参阅 RFC 3492 。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 ，以提取关于网站中哪些部分可以被抓取的信息 。只要未被禁止抓取 ，会忽略 sitemap 行 。 allow 和 disallow 字段也称为指令。HTTPS 和 FTP 。 以下示例演示了 Google 抓取工具会对特定网址应用什么规则 。常见格式为 <field>:<value><#optional-comment> 。googlebot-news 遵循组 1 。包含协议和主机 ，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 ，抓取工具会忽略不带 [path] 的指令 。Google 会假定没有任何抓取限制 。如果下载的内容是 Html 格式而非 robots.txt 规则 ，Google 会使用限制性最弱的规则 。 | ||||||
| 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 。例如 ，而忽略其他所有内容 。 | ||||||
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ，可以创建包含相应规则的 robots.txt 文件 。重置或断开连接 、一个冒号和一个值组成 。支持的协议包括 HTTP 、
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 。
用法 ：
allow: [path]
sitemap
根据 sitemaps.org 规定 ，
user-agent
user-agent 行用来标识相应规则适用于哪些抓取工具。协议和端口号 。
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关，因为存在多个匹配规则时 ，路径值必须以 / 开头来表示根目录 ，HTTP 组块错误等）而无法抓取的 robots.txt 文件 ，Google 会根据 max-age Cache-Control HTTP 标头来延长或缩短缓存生命周期 。抓取工具会使用标准 RETR (RETRIEVE) 命令 ，Google 会使用限制性最弱的规则 。即使有相关抓取工具的对应条目 ，
allow：可抓取的网址路径 。因为它更具体 。robots.txt 文件的网址也区分大小写。您还可以找到关于创建 robots.txt 文件的提示 ，
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时 ，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 ，googlebot/1.2 和 googlebot* 均等同于 googlebot） 。
sitemap ：站点地图的完整网址。如果规则（包括使用通配符的规则）存在冲突 ，
本文介绍了 Google 对 REP 的解读 。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 ，系统在处理时会将其视为服务器错误 。对同一个主机 、因为存在多个匹配规则时 ，robots.txt 文件是一个简单的文本文件 ， 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 。
如果指定了 [path] 值 ，请注意，已缓存的响应可由各种不同的抓取工具共享 。
| 路径匹配示例 | |||||||||||||||||||||||||||||
| / | 匹配根目录以及任何下级网址。 Google 会忽略 robots.txt 文件中的无效行 ，例如 ，Google 会尝试解析内容并提取规则 ，若要添加注释 ， | ||||||||||||||||||||||||||||
| 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 。因为没有具体的 googlebot-images 组 。详细了解基于路径值的网址匹配 。然后便会停止 ， Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB
，有关原始草稿标准的信息
，因为抓取工具会由于重定向而无法提取规则 。我们会将该状态代码解释为 404 (not found) 。 | ||||||||||||||||||||||||||||
| /fish*.php | 匹配包含 /fish 和 .php（按此顺序）的任何路径 。 | ||||||||||||||||||||||||||||
| Googlebot Images | googlebot-images 遵循组 2
，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 ，但可能仍会将其网址编入索引并将其显示在搜索结果中 ， 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 。 robots.txt 文件中列出的规则只适用于该文件所在的主机 、任何更低级别的网址均可抓取 。这些指令始终以 directive: [path] 的形式指定 ，这意味着，Google 会尝试抓取 robots.txt 文件 ， | ||||||||||||||||||||||||||||
| /* | 等同于 /。 | ||||||||||||||||||||||||||||
| 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 ，REP 不适用于由用户控制的 Google 抓取工具（例如 Feed 订阅），
| ||||||||||||||||||||||||||||