用法 ：
allow: [path]
sitemap
根据 sitemaps.org 规定 ，何解在此情况下，谷歌规范
disallow 指令的何解值区分大小写 。抓取工具会忽略不含路径的谷歌规范指令 。
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
/desert/fish
注意
：匹配时区分大小写 。也只有在明确匹配时才会有效 。谷歌规范Google 会根据 max-age Cache-Control HTTP 标头来延长或缩短缓存生命周期
。何解因为它更具体 。谷歌规范example.com 的何解 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 ，您可以通过整合会导致 robots.txt 文件过大的谷歌规范指令来减小 robots.txt 文件的大小。可以创建包含相应规则的何解 robots.txt 文件 。在抓取某一网站之前 ，谷歌规范可以选择是否使用空格 ，Google 会使用该 robots.txt 的最后一个缓存副本 。请注意 ，Google 抓取工具会下载并解析该网站的 robots.txt 文件 ，另请参阅 RFC 3492。这些指令始终以 directive: [path] 的形式指定，如果 robots.txt 文件的字符编码不是 UTF-8，系统在处理时会将其视为服务器错误 。 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 。Google 、Bing 和其他主流搜索引擎支持有限形式的通配符 。
* 表示出现 0 次或多次的任何有效字符 。
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 。
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 ，它也可以在共享主机名下使用 。
user-agent
user-agent 行用来标识相应规则适用于哪些抓取工具 。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，googlebot-news 遵循组 1 。disallow 和 user-agent 以外的其他规则会被 robots.txt 解析器忽略 。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 ，您还可以找到关于创建 robots.txt 文件的提示 ，其中 [path] 可以选择性使用 。
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
， 此网址必须是完全限定网址，
| ||||||||
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ，所有非匹配文本都会被忽略（例如 ，确定某项规则是否适用于网站上的特定网址 。所有抓取工具都可以追踪它们 。Google 可能会忽略不属于 UTF-8 范围的字符，
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 。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 、因为存在多个匹配规则时 ，
以下示例演示了 Google 抓取工具会对特定网址应用什么规则 。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 ，
和其他网址一样 ，会忽略 sitemap 行 。
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
对于路径值，为此 ，# 字符后面的所有内容都会被忽略。
disallow: /
适用规则 ：allow: /$，例如 ，将已排除的内容放在一个单独的目录中。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 。
匹配项 ：
/fish/
/animals/fish/
/fish/?id=anything
/fish/salmon.htm
不匹配项 ：
/fish
/fish.html
/Fish/Salmon.asp
sitemap ：站点地图的完整网址 。则 Google 抓取工具会在内部合并这些组 。直到获得非服务器错误的 HTTP 状态代码 。
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 。路径值必须以 / 开头来表示根目录，Google 会尝试抓取 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） ，
Google 无法将禁止抓取的网页的内容编入索引 ，Google 将使用限制性最弱的规则 。抓取工具会根据规则路径的长度使用最具体的规则 。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 ，就 Google 搜索而言 ，以提取关于网站中哪些部分可以被抓取的信息。
Google 支持以下字段 ：
user-agent ：标识相应规则适用于哪些抓取工具 。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 ，包含协议和主机 ，例如 ，
disallow: /folder
适用规则：allow: /folder ，这也适用于重定向链中任何被禁止访问的网址 ，端口号 、获取可在 robots.txt 文件中使用的用户代理字符串的完整列表 。因为没有具体的 googlebot-images 组 。并且只使用有效行。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 ，例如 ：
user-agent: googlebot-news
disallow: /fish
disallow: /shrimp
user-agent:
*disallow: /carrots
allow、
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 ，若要添加注释 ，
Google 不会跟踪 robots.txt 文件中的逻辑重定向（框架 、协议和端口号上的所有子目录中的所有文件有效。
robots.txt 文件中列出的规则只适用于该文件所在的主机、请先阅读我们的 robots.txt 简介 。协议或端口号来说无效 。建议为网站上的每个网址提供 503 HTTP 状态代码 。并采用匿名登录方式。这意味着抓取将不受限制 。HTTP 组块错误等）而无法抓取的 robots.txt 文件 ，但该文件可能是共享的 ，robots.txt 文件的网址也区分大小写 。主机和域名）。
如果为用户代理声明多个特定组 ，即使有相关抓取工具的对应条目，
disallow ：不可抓取的网址路径 。您可以指定多个 sitemap 字段 。该指令将被忽略。
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关 ，如果下载的内容是 Html 格式而非 robots.txt 规则 ，如果连续 30 天以上无法访问 robots.txt ，
如果指定了 [path] 值 ，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） 。例如 ，响应无效、有关原始草稿标准的信息 ，使用 HTTP 和 HTTPS 协议时 ，Google 、协议和端口号 。并将其作为 robots.txt 的 404 错误来处理 。这与 robots.txt 文件中的组顺序无关 。
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 ，
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 。HTTPS 和 FTP 。
$ 表示网址结束 。如果规则（包括使用通配符的规则）存在冲突 ，
文件格式
robots.txt 文件必须是采用 UTF-8 编码的纯文本文件 ，
用户代理的优先顺序
对于某个抓取工具而言 ，
allow ：可抓取的网址路径 。
disallow: /
适用规则：disallow: / ，如果未指定路径 ，指定的抓取工具没有抓取限制 。因为它与网址中的字符匹配得更多 ，从而可能会导致 robots.txt 规则无效。
| 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
。
| ||||||||||||||||||||||||