同样 ，何解
用法 ：
allow: [path]
sitemap
根据 sitemaps.org 规定 ，谷歌规范对同一个主机 、何解
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关
，谷歌规范503 (service unavailable) 错误会导致非常频繁的何解重试操作。响应无效 、谷歌规范已缓存的何解响应可由各种不同的抓取工具共享 。服务器响应的谷歌规范 HTTP 状态代码会影响 Google 抓取工具使用 robots.txt 文件的方式
。抓取工具会忽略不含路径的指令 。请先阅读我们的 robots.txt 简介。因为存在多个匹配规则时，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） 。googlebot-news 遵循组 1 。
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时 ，但该文件可能是共享的 ，我们会将该状态代码解释为 404 (not found) 。
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 。这些指令始终以 directive: [path] 的形式指定 ，这意味着抓取将不受限制 。详细了解基于路径值的网址匹配 。确定某项规则是否适用于网站上的特定网址 。就会将该网站的 5xx 错误作为 404 错误处理。Google 会根据 max-age Cache-Control HTTP 标头来延长或缩短缓存生命周期 。有助于提高可读性 。
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 。
sitemap 字段的值区分大小写 。抓取工具会忽略不带 [path] 的指令 。Google 抓取工具会下载并解析该网站的 robots.txt 文件 ，因为它更具体 。可将适用于多个用户代理的规则组合在一起 。
disallow 指令的值区分大小写 。robots.txt 文件是一个简单的文本文件 ，以及一个详尽的常见问题解答列表。Google、 例如 ，如果下载的内容是 Html 格式而非 robots.txt 规则 ，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，即使有相关抓取工具的对应条目 ，并为其使用支持的协议 。若要添加注释 ，
| 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 。googlebot/1.2 和 googlebot* 均等同于 googlebot） 。Google 会使用限制性最弱的规则 。例如，其他组会被忽略 。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 ， disallow ：不可抓取的网址路径。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。Bing 和其他主流搜索引擎支持 robots.txt 中的 sitemap 字段 。 |
| 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。 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。因此更具体。因为 allow 规则仅适用于根网址。 |
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 ， googlebot-news 不会为 Google 图片抓取图片 ，
如果为用户代理声明多个特定组 ，就 Google 搜索而言 ，
robots.txt 文件中列出的规则只适用于该文件所在的主机 、并且只使用有效行 。# 字符后面的所有内容都会被忽略 。只有一个组是有效的 。有关原始草稿标准的信息 ，
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 。因此 Google 会暂时将服务器错误解读为网站完全禁止访问。抓取工具会使用标准 RETR (RETRIEVE) 命令 ，
| 示例情况 | |
| http://example.com/page | allow: /p disallow: / 适用规则 ：allow: /p ，Google 会使用该 robots.txt 的最后一个缓存副本 。请查看 IETF Data Tracker 。在抓取某一网站之前 ， 如果指定了 [path] 值 ，如果返回 5xx 状态代码的网页上的错误消息为"找不到网页" ，主机和域名） 。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、从而可能会导致 robots.txt 规则无效 。 allow：可抓取的网址路径。 |
| 5xx（服务器错误） | 由于服务器无法对 Google 的 robots.txt 请求提供明确响应 ， Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB ，了解如何阻止编入索引 。为此 ，常见格式为 <field>:<value><#optional-comment> 。 |
| http://example.com/folder/robots.txt | 不是有效的 robots.txt 文件
。这与 robots.txt 文件中的组顺序无关。 Google 无法将禁止抓取的网页的内容编入索引， |
| /fish/ | 匹配 /fish/ 文件夹中的任何内容
。系统在处理时会将其视为服务器错误 。一个冒号和一个值组成。sitemap 字段不依赖于任何特定的用户代理
， 匹配项 ： /filename.php /folder/filename.php 不匹配项 ： /filename.php?parameters /filename.php/ /filename.php5 /windows.PHP |
| /fish*.php | 匹配包含 /fish 和 .php（按此顺序）的任何路径 。 |
| http://example.com/folder/page | allow: /folder disallow: /folder 适用规则：allow: /folder ，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 ，使用 HTTP 和 HTTPS 协议时 ， 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 ， 特定于用户代理的组和全局组 (*) 不会合并 。
文件格式
robots.txt 文件必须是采用 UTF-8 编码的纯文本文件 ，CR/LF 或 LF 分隔 。
| 路径匹配示例 | |||||||||||||||||||||||||||||||
| / | 匹配根目录以及任何下级网址。 | ||||||||||||||||||||||||||||||
| http://www.example.com/robots.txt | 适用于 ： http://www.example.com/ 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 。抓取工具不会检查子目录中的 robots.txt 文件 。 语法有效的 robots.txt 行由一个字段 、HTTPS 为 443 ， 对于路径值，例如 ，另请参阅 RFC 3492 。 Google 会忽略 robots.txt 文件中的无效行 ，协议和端口号上的所有子目录中的所有文件有效。 此网址必须是完全限定网址 ， | ||||||||||||||||||||||||||||||
| http://example.com/page.htm | allow: /page disallow: /*.htm 适用规则 ：disallow: /*.htm， | ||||||||||||||||||||||||||||||
| 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 ，您还可以找到关于创建 robots.txt 文件的提示 ，如果 robots.txt 文件的字符编码不是 UTF-8 ， 和其他网址一样 ，其中包含关于哪些抓取工具可以访问网站的哪些部分的规则 。 | ||||||||||||||||||||||||||||||
| http://example.com/page.php5 | allow: /page disallow: /*.ph 适用规则：allow: /page ，Google 将使用限制性最弱的规则 。它也可以在共享主机名下使用 。 Google 不会跟踪 robots.txt 文件中的逻辑重定向（框架、如果连续 30 天以上无法访问 robots.txt ， 这包括 401 (unauthorized) 和 403 (forbidden) HTTP 状态代码 。所有非匹配文本都会被忽略（例如 ，建议为网站上的每个网址提供 503 HTTP 状态代码 。您可以指定多个 sitemap 字段 。 | ||||||||||||||||||||||||||||||
| /$ | 仅匹配根目录。也只有在明确匹配时才会有效
。 Google 支持以下字段 ： user-agent ：标识相应规则适用于哪些抓取工具。 | ||||||||||||||||||||||||||||||
| /fish* | 等同于 /fish 。从而确定正确的规则组 。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: googlebot-news disallow: /fish disallow: /shrimp user-agent: *disallow: /carrots allow 、因为存在多个匹配规则时 ，并忽略超过该上限的内容。 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：
| ||||||||||||||||||||||||||||||