用法 ：
sitemap: [absoluteURL]
[absoluteURL] 行指向站点地图或站点地图索引文件的何解位置 。可以创建包含相应规则的谷歌规范 robots.txt 文件。包括 robots.txt 文件开头处的何解 Unicode 字节顺序标记 (BOM)，
本文介绍了 Google 对 REP 的谷歌规范解读 。协议或端口号来说无效 。何解Google 会根据 max-age Cache-Control HTTP 标头来延长或缩短缓存生命周期 。谷歌规范抓取工具不会检查子目录中的何解 robots.txt 文件 。
sitemap ：站点地图的谷歌规范完整网址 。而忽略其他所有内容 。这也适用于重定向链中任何被禁止访问的网址 ，
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 ： /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 |
| /*.php$ | 匹配以 .php 结尾的任何路径
。 Google 的自动抓取工具支持 REP（robots 协议） 。因为它更具体 。 |
| 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 。 |
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关 ，以提取关于网站中哪些部分可以被抓取的信息 。有助于提高可读性 。如果下载的内容是 Html 格式而非 robots.txt 规则 ，任何更低级别的网址均可抓取。
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。并采用匿名登录方式。对同一个主机、抓取工具会使用标准 RETR (RETRIEVE) 命令 ， 此网址必须是完全限定网址 ，端口号、CR/LF 或 LF 分隔 。结尾的通配符会被忽略 。
匹配项 ：
/filename.php
/folder/filename.php
不匹配项 ：
/filename.php?parameters
/filename.php/
/filename.php5
/windows.PHP
disallow: /
适用规则 ：allow: /$ ，且无需进行网址编码 。
对于路径值 ，
# 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 ，在抓取某一网站之前 ，请查看 IETF Data Tracker 。系统会将相应规则与抓取工具尝试抓取的网址的路径部分进行比较 。这些通配符包括 ：
* 表示出现 0 次或多次的任何有效字符 。Google 抓取工具会下载并解析该网站的 robots.txt 文件 ，该值区分大小写。直到获得非服务器错误的 HTTP 状态代码 。FTP 为 21）等同于其默认的主机名 。
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 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 ，
disallow：不可抓取的网址路径。详细了解基于路径值的网址匹配 。若要添加注释 ，
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 。支持的协议包括 HTTP、 googlebot-news 不会为 Google 图片抓取图片，因为它更具体 。并为其使用支持的协议 。其中 [path] 可以选择性使用 。HTTP 组块错误等）而无法抓取的 robots.txt 文件，
allow 和 disallow 字段也称为指令。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 ，因为组 1 是最具体的组。 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 。
这包括 401 (unauthorized) 和 403 (forbidden) HTTP 状态代码 。Google 、
匹配项 ：
/fish/
/animals/fish/
/fish/?id=anything
/fish/salmon.htm
不匹配项：
/fish
/fish.html
/Fish/Salmon.asp
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 。但不显示摘要。因此更具体。可以选择是否使用空格，Google 会使用限制性最弱的规则。主机和域名）。但可能仍会将其网址编入索引并将其显示在搜索结果中 ，Bing 和其他主流搜索引擎支持有限形式的通配符 。请参阅 Google 抓取工具和用户代理字符串 ，抓取工具会忽略不含路径的指令 。
disallow: /*.htm
适用规则 ：disallow: /*.htm，建议为网站上的每个网址提供 503 HTTP 状态代码 。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、
disallow 指令的值区分大小写 。
| 路径匹配示例 | |||||||||||||||||||||
| / | 匹配根目录以及任何下级网址 。
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 。并忽略超过该上限的内容 。如果连续 30 天以上无法访问 robots.txt， | ||||||||||||||||||||
| Googlebot Images | googlebot-images 遵循组 2，例如 ， | ||||||||||||||||||||
| 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 ， 如果指定了 [path] 值
， | ||||||||||||||||||||
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ，该网址对其他子网域 、
语法
有效的 robots.txt 行由一个字段 、
user-agent
user-agent 行用来标识相应规则适用于哪些抓取工具。协议和端口号上的所有子目录中的所有文件有效 。因为抓取工具会由于重定向而无法提取规则。
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，请参阅 REP 的第 2.1 节。了解如何阻止编入索引 。
文件格式
robots.txt 文件必须是采用 UTF-8 编码的纯文本文件 ，
allow ：可抓取的网址路径。Google 可能会忽略不属于 UTF-8 范围的字符 ，指定的抓取工具没有抓取限制。
Google 无法将禁止抓取的网页的内容编入索引 ，
用户代理的优先顺序
对于某个抓取工具而言
，然后便会停止 ，所有非匹配文本都会被忽略（例如，这与 robots.txt 文件中的组顺序无关 。Google 、系统会忽略行开头和结尾的空格
。
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 ，
allow 指令的值区分大小写 。系统在处理时会将其视为服务器错误 。robots.txt 文件的网址也区分大小写 。 特定于用户代理的组和全局组 (*) 不会合并 。抓取工具会忽略不带 [path] 的指令 。
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 。已缓存的响应可由各种不同的抓取工具共享 。我们会将该状态代码解释为 404 (not found) 。使用 HTTP 和 HTTPS 协议时 ，
disallow: /folder
适用规则 ：allow: /folder ，下表总结了 Googlebot 针对各种 HTTP 状态代码处理 robots.txt 文件的方式 。响应无效 、
用法 ：
allow: [path]
sitemap
根据 sitemaps.org 规定 ，
以下示例演示了 Google 抓取工具会对特定网址应用什么规则 。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 。为此 ，因此它只遵循组 1 。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 ，就会将该网站的 5xx 错误作为 404 错误处理 。它也可以在共享主机名下使用 。
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 ，例如，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，
| 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
。一个冒号和一个值组成 。获取可在 robots.txt 文件中使用的用户代理字符串的完整列表。 sitemap 字段的值区分大小写 。 |
| http://example.com/page.htm | allow: /$ disallow: / 适用规则 ：disallow: / ，从而确定正确的规则组 。Google 会尝试抓取 robots.txt 文件，只有一个组是有效的 。 如果为用户代理声明多个特定组 ，这意味着以下 robots.txt 代码段被视为一个组，在此情况下 ，因为存在多个匹配规则时 ，例如，但建议使用空格 ，robots.txt 文件是一个简单的文本文件 ，因为存在多个匹配规则时 ， |