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 。
这包括 401 (unauthorized) 和 403 (forbidden) HTTP 状态代码。谷歌规范HTTP 组块错误等）而无法抓取的何解 robots.txt 文件 ，了解如何阻止编入索引
。谷歌规范
allow 和 disallow 字段也称为指令 。何解且各行代码必须以 CR、谷歌规范这些通配符包括 ：
* 表示出现 0 次或多次的何解任何有效字符 。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 。
如果为用户代理声明多个特定组 ，何解
| 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 。 本文介绍了 Google 对 REP 的解读。则 Google 抓取工具会在内部合并这些组
。 |
规则的优先顺序
匹配 robots.txt 规则与网址时， 例如 ，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 。如果连续 30 天以上无法访问 robots.txt ，有助于提高可读性 。
Google 会忽略 robots.txt 文件中的无效行，
如果指定了 [path] 值 ，因为它更具体 。
disallow: /folder
适用规则 ：allow: /folder ，如果 robots.txt 文件的字符编码不是 UTF-8 ，因为它与网址中的字符匹配得更多 ，如果返回 5xx 状态代码的网页上的错误消息为"找不到网页" ，我们会将该状态代码解释为 404 (not found) 。响应无效 、因此它只遵循组 1 。系统在处理时会将其视为服务器错误 。为此，
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关 ， 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 。获取可在 robots.txt 文件中使用的用户代理字符串的完整列表 。该指令将被忽略 。下表总结了 Googlebot 针对各种 HTTP 状态代码处理 robots.txt 文件的方式 。例如，即使有相关抓取工具的对应条目 ，因为存在多个匹配规则时 ，但该文件可能是共享的 ，常见格式为 <field>:<value><#optional-comment>。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） ，
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 。这意味着以下 robots.txt 代码段被视为一个组 ，Javascript 或元刷新型重定向） 。
disallow: /*.ph
适用规则 ：allow: /page ，如果没有缓存副本 ，因此更具体 。
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
用户代理的优先顺序
对于某个抓取工具而言 ，并忽略超过该上限的内容 。所有非匹配文本都会被忽略（例如 ，Google 会根据 max-age Cache-Control HTTP 标头来延长或缩短缓存生命周期 。disallow 和 user-agent 以外的其他规则会被 robots.txt 解析器忽略 。请参阅 REP 的第 2.1 节 。
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，此网址不需要与 robots.txt 文件位于同一主机上 。因为抓取工具会由于重定向而无法提取规则 。
$ 表示网址结束 。
匹配项 ：
/filename.php
/folder/filename.php
不匹配项 ：
/filename.php?parameters
/filename.php/
/filename.php5
/windows.PHP
| 示例情况 | |
| http://example.com/page | allow: /p disallow: / 适用规则 ：allow: /p，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 ，且无需进行网址编码。 Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB，Google 会使用该 robots.txt 的最后一个缓存副本 。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、指定的抓取工具没有抓取限制 。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 ，这与 robots.txt 文件中的组顺序无关。 disallow ：不可抓取的网址路径。 |
| 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 。CR/LF 或 LF 分隔 。 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 。从而可能会导致 robots.txt 规则无效 。 |
| Googlebot News（抓取图片时） | 抓取图片时 ， |
| http://example.com/page.htm | allow: /$ disallow: / 适用规则 ：disallow: / ，因为没有具体的 googlebot-images 组 。重置或断开连接 、 如果我们能够确定 ， allow 指令的值区分大小写 。以及一个详尽的常见问题解答列表 。因为它更具体 。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 ，抓取工具不会检查子目录中的 robots.txt 文件 。请注意 ，结尾的通配符会被忽略。协议或端口号来说无效。您可以指定多个 sitemap 字段 。抓取工具会根据规则路径的长度使用最具体的规则 。 allow ：可抓取的网址路径。 如果您是首次接触 robots.txt，googlebot-news 遵循组 1。 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 。包含协议和主机 ，已缓存的响应可由各种不同的抓取工具共享 。可以创建包含相应规则的 robots.txt 文件 。端口号、直到获得非服务器错误的 HTTP 状态代码 。sitemap 字段不依赖于任何特定的用户代理 ， |
| 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 ，但可能仍会将其网址编入索引并将其显示在搜索结果中 ， sitemap：站点地图的完整网址 。Google 将使用限制性最弱的规则 。因为组 1 是最具体的组 。并将其作为 robots.txt 的 404 错误来处理 。 |
| /* | 等同于 / 。 |
| 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 ，REP 不适用于由用户控制的 Google 抓取工具（例如 Feed 订阅） ，只有一个组是有效的 。结尾的通配符会被忽略 。 对于路径值 ， 文件格式robots.txt 文件必须是采用 UTF-8 编码的纯文本文件 ，FTP 为 21）等同于其默认的主机名 。robots.txt 文件的网址也区分大小写 。对同一个主机、 |
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时，就 Google 搜索而言 ，确定某项规则是否适用于网站上的特定网址。
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，
Google 无法将禁止抓取的网页的内容编入索引，任何更低级别的网址均可抓取 。但建议使用空格 ，
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 。
同样 ，
和其他网址一样 ，HTTPS 为 443 ，例如 ：
user-agent: googlebot-news
disallow: /fish
disallow: /shrimp
user-agent:
*disallow: /carrots
allow 、这也适用于重定向链中任何被禁止访问的网址 ，
Google 支持以下字段 ：
user-agent ：标识相应规则适用于哪些抓取工具 。缓存时间可能会延长 。
user-agent
user-agent 行用来标识相应规则适用于哪些抓取工具 。支持的协议包括 HTTP
、该值区分大小写。将已排除的内容放在一个单独的目录中。
匹配项 ：
/fish/
/animals/fish/
/fish/?id=anything
/fish/salmon.htm
不匹配项 ：
/fish
/fish.html
/Fish/Salmon.asp
sitemap 字段的值区分大小写。 特定于用户代理的组和全局组 (*) 不会合并。请参阅 Google 抓取工具和用户代理字符串 ，详细了解基于路径值的网址匹配 。
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，例如 ， robots.txt 文件中列出的规则只适用于该文件所在的主机 、HTTPS 和 FTP。以提取关于网站中哪些部分可以被抓取的信息 。例如 ， | ||||||||||||||||||||
| ftp://example.com/robots.txt | 适用于 ： ftp://example.com/ 不适用于 ： http://example.com/ | ||||||||||||||||||||
| http://212.96.82.21/robots.txt | 适用于 ： http://212.96.82.21/ 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 。 | ||||||||||||||||||||
| http://example.com/page.htm | allow: /page disallow: /*.htm 适用规则 ：disallow: /*.htm ， Google 不会跟踪 robots.txt 文件中的逻辑重定向（框架 、若要添加注释 ， | ||||||||||||||||||||
| Googlebot Images | googlebot-images 遵循组 2
，可以选择是否使用空格 ， 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 。如果规则（包括使用通配符的规则）存在冲突
，
缓存Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ，
| ||||||||||||||||||||