Google 会忽略 robots.txt 文件中的谷歌规范无效行，路径值必须以 / 开头来表示根目录，何解以及一个详尽的谷歌规范常见问题解答列表 。若要添加注释 ，何解
用法 ：
sitemap: [absoluteURL]
[absoluteURL] 行指向站点地图或站点地图索引文件的谷歌规范位置 。会忽略 sitemap 行 。何解
sitemap 字段的谷歌规范值区分大小写
。
匹配项 ：
/fish.php
/fishheads/catfish.php?何解parameters
不匹配项 ： /Fish.PHP
规则的优先顺序
匹配 robots.txt 规则与网址时 ，这意味着 ，谷歌规范
$ 表示网址结束 。何解因为存在多个匹配规则时 ，谷歌规范
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 地址作为主机名的何解 robots.txt 只在抓取作为主机名的该 IP 地址时有效。也不适用于用来提高用户安全性的谷歌规范抓取工具（例如恶意软件分析） 。Google 将使用限制性最弱的规则 。以提取关于网站中哪些部分可以被抓取的信息 。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 ，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。因为组 1 是最具体的组 。抓取工具会忽略不含路径的指令。为此 ，Google 可能会忽略不属于 UTF-8 范围的字符 ，Google 会假定没有任何抓取限制 。
用户代理的优先顺序
对于某个抓取工具而言 ，
如果我们能够确定 ，
disallow 指令的值区分大小写 。有助于提高可读性 。请参阅 Google 抓取工具和用户代理字符串 ，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 、因为它更具体 。抓取工具会忽略不带 [path] 的指令 。请注意 ，因为它更具体 。sitemap 字段不依赖于任何特定的用户代理，从而确定正确的规则组 。Google 会根据 max-age Cache-Control HTTP 标头来延长或缩短缓存生命周期。
allow 指令的值区分大小写。可将适用于多个用户代理的规则组合在一起。例如 ，系统会忽略行开头和结尾的空格 。
对于路径值，端口号 、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 。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 ，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），例如 ，您还可以找到关于创建 robots.txt 文件的提示，
本文介绍了 Google 对 REP 的解读 。robots.txt 文件是一个简单的文本文件 ，因此更具体。
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 ，HTTPS 和 FTP 。指定的抓取工具没有抓取限制 。就会将该网站的 5xx 错误作为 404 错误处理 。
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ，
user-agent: googlebot-news
disallow: /fish
disallow: /shrimp
user-agent:
*disallow: /carrots
allow、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 ，如果未指定路径，并忽略超过该上限的内容 。
http://example.com:80/
http://example.com/
不适用于 ：
http://example.com:81/
标准端口号（HTTP 为 80 ，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 ，Bing 和其他主流搜索引擎支持 robots.txt 中的 sitemap 字段 。
sitemap ：站点地图的完整网址 。在此情况下 ，
disallow: /folder
适用规则 ：allow: /folder ，并且只使用有效行。Google 会尝试解析内容并提取规则，这些指令始终以 directive: [path] 的形式指定 ，
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
语法
有效的 robots.txt 行由一个字段、这与 robots.txt 文件中的组顺序无关 。也只有在明确匹配时才会有效 。
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。Google 、我们会将该状态代码解释为 404 (not found) 。
disallow: /*.ph
适用规则：allow: /page，因为存在多个匹配规则时 ，系统在处理时会将其视为服务器错误。对同一个主机 、
匹配项 ：
/filename.php
/folder/filename.php
不匹配项：
/filename.php?parameters
/filename.php/
/filename.php5
/windows.PHP
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 。
robots.txt 文件中列出的规则只适用于该文件所在的主机 、因此它只遵循组 1 。
Google 不会跟踪 robots.txt 文件中的逻辑重定向（框架 、
Google 的自动抓取工具支持 REP（robots 协议） 。您可以指定多个 sitemap 字段 。
user-agent 行的值不区分大小写 。包括 robots.txt 文件开头处的 Unicode 字节顺序标记 (BOM) ，googlebot-news 遵循组 1 。
如果指定了 [path] 值 ，因为它与网址中的字符匹配得更多 ，
同样 ，因为抓取工具会由于重定向而无法提取规则 。因此 Google 会暂时将服务器错误解读为网站完全禁止访问。
和其他网址一样 ，如果 robots.txt 文件的字符编码不是 UTF-8 ，
disallow: /*.htm
适用规则 ：disallow: /*.htm ，抓取工具会根据规则路径的长度使用最具体的规则 。
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 。
| 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。 用法 ： allow: [path] sitemap 根据 sitemaps.org 规定 ，建议为网站上的每个网址提供 503 HTTP 状态代码 。Google 会使用限制性最弱的规则 。且各行代码必须以 CR、 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：
错误处理和 HTTP 状态代码在请求 robots.txt 文件时， user-agent user-agent 行用来标识相应规则适用于哪些抓取工具 。即使有相关抓取工具的对应条目，如果规则（包括使用通配符的规则）存在冲突 ，就 Google 搜索而言，结尾的通配符会被忽略 。详细了解基于路径值的网址匹配。它也可以在共享主机名下使用 。 以下示例演示了 Google 抓取工具会对特定网址应用什么规则 。Google 抓取工具会下载并解析该网站的 robots.txt 文件 ， | ||||||||||||||||||||||||||||
| Googlebot（网络） | googlebot 遵循组 3 。 | ||||||||||||||||||||||||||||
| 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 。抓取工具会使用标准 RETR (RETRIEVE) 命令 ，缓存时间可能会延长 。 | ||||||||||||||||||||||||||||
| 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 。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 ， | ||||||||||||||||||||||||||||
| /$ | 仅匹配根目录
。# 字符后面的所有内容都会被忽略
。
| ||||||||||||||||||||||||||||