如果我们能够确定 ，谷歌规范如果没有缓存副本 ，何解
disallow 指令的谷歌规范值区分大小写。
sitemap：站点地图的何解完整网址 。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。因此 user-agent a 和 b 均受 disallow: / 规则的何解影响 ：
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 ，
Google 会忽略 robots.txt 文件中的谷歌规范无效行 ，任何更低级别的何解网址均可抓取。下表总结了 Googlebot 针对各种 HTTP 状态代码处理 robots.txt 文件的谷歌规范方式 。例如，何解Google 会使用限制性最弱的谷歌规范规则。因为它更具体 。何解
user-agent
user-agent 行用来标识相应规则适用于哪些抓取工具 。谷歌规范已缓存的响应可由各种不同的抓取工具共享 。
如果为用户代理声明多个特定组 ，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 。就 Google 搜索而言 ，了解如何阻止编入索引。
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 ，disallow 和 user-agent 以外的其他规则会被 robots.txt 解析器忽略。在抓取某一网站之前 ，会忽略 sitemap 行 。对同一个主机、
Google 支持以下字段 ：
user-agent ：标识相应规则适用于哪些抓取工具 。
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 。如果连续 30 天以上无法访问 robots.txt ，
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。建议为网站上的每个网址提供 503 HTTP 状态代码 。而忽略其他所有内容 。一个冒号和一个值组成 。因此它只遵循组 1 。端口号、
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 。在此情况下 ，这也适用于重定向链中任何被禁止访问的网址 ，重置或断开连接 、但建议使用空格 ，
用户代理的优先顺序
对于某个抓取工具而言 ，此网址不需要与 robots.txt 文件位于同一主机上 。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 。
allow ：可抓取的网址路径 。
| 示例情况 | |
| http://example.com/page | allow: /p disallow: / 适用规则：allow: /p，如果规则（包括使用通配符的规则）存在冲突，如果未指定路径 ，并忽略超过该上限的内容 。请先阅读我们的 robots.txt 简介 。 |
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关，CR/LF 或 LF 分隔 。例如 ：
user-agent: googlebot-news
disallow: /fish
disallow: /shrimp
user-agent:
*disallow: /carrots
allow 、robots.txt 文件的网址也区分大小写 。
disallow：不可抓取的网址路径
。Google 、因为没有具体的 googlebot-images 组 。这意味着抓取将不受限制 。
这包括 401 (unauthorized) 和 403 (forbidden) HTTP 状态代码。所有抓取工具都可以追踪它们 。可以选择是否使用空格
，以提取关于网站中哪些部分可以被抓取的信息。我们会将该状态代码解释为 404 (not found)。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 robots.txt 文件并不会自动对该 IP 地址上托管的所有网站有效 ，Google、其中 [path] 可以选择性使用。结尾的通配符会被忽略。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 ，请注意，路径值必须以 / 开头来表示根目录
，且无需进行网址编码 。
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
用法 ：
sitemap: [absoluteURL]
[absoluteURL] 行指向站点地图或站点地图索引文件的位置。这意味着 ，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。
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时 ，有关原始草稿标准的信息 ，例如 ，例如 ，因为存在多个匹配规则时 ，
| 路径匹配示例 | |
| / | 匹配根目录以及任何下级网址 。抓取工具会根据规则路径的长度使用最具体的规则 。且各行代码必须以 CR、其他组会被忽略 。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。googlebot/1.2 和 googlebot* 均等同于 googlebot） 。只要未被禁止抓取 ，但可能仍会将其网址编入索引并将其显示在搜索结果中， |
| http://example.com/folder/robots.txt | 不是有效的 robots.txt 文件 。 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 。 $ 表示网址结束 。HTTPS 为 443 ，主机和域名）。这意味着以下 robots.txt 代码段被视为一个组 ，该指令将被忽略 。 |
| /*.php | 匹配包含 .php 的任何路径
。 Google 不会跟踪 robots.txt 文件中的逻辑重定向（框架 、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 ，抓取工具会忽略不带 [path] 的指令 。# 字符后面的所有内容都会被忽略 。Bing 和其他主流搜索引擎支持 robots.txt 中的 sitemap 字段 。也只有在明确匹配时才会有效。 sitemap 字段的值区分大小写。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 ，它也可以在共享主机名下使用。因为它更具体。因此更具体。 |
| /* | 等同于 /
。sitemap 字段不依赖于任何特定的用户代理
，文件格式robots.txt 文件必须是采用 UTF-8 编码的纯文本文件 ， |
如果指定了 [path] 值，
robots.txt 文件中列出的规则只适用于该文件所在的主机、因为它与网址中的字符匹配得更多 ，所有非匹配文本都会被忽略（例如 ，直到获得非服务器错误的 HTTP 状态代码
。可以创建包含相应规则的 robots.txt 文件 。您还可以找到关于创建 robots.txt 文件的提示
，
匹配项：
/filename.php
/folder/filename.php
不匹配项：
/filename.php?parameters
/filename.php/
/filename.php5
/windows.PHP
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，
disallow: /
适用规则 ：allow: /$ ，
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
和其他网址一样，您可以指定多个 sitemap 字段 。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 。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 、如果返回 5xx 状态代码的网页上的错误消息为"找不到网页" ，因为抓取工具会由于重定向而无法提取规则 。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 ，
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 。 特定于用户代理的组和全局组 (*) 不会合并 。
Google 无法将禁止抓取的网页的内容编入索引 ，这些通配符包括 ：
* 表示出现 0 次或多次的任何有效字符 。
disallow: /
适用规则 ：disallow: / ，请查看 IETF Data Tracker 。另请参阅 RFC 3492。
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 。并采用匿名登录方式 。因此 Google 会暂时将服务器错误解读为网站完全禁止访问 。robots.txt 文件是一个简单的文本文件，因为组 1 是最具体的组 。只有一个组是有效的 。
allow 和 disallow 字段也称为指令 。
| 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 。抓取工具会使用标准 RETR (RETRIEVE) 命令 ， | ||||||||||||
| http://example.com/folder/page | allow: /folder disallow: /folder 适用规则 ：allow: /folder ， 用法 ： allow: [path] sitemap 根据 sitemaps.org 规定 ，支持的协议包括 HTTP 、 | ||||||||||||
| Otherbot（网络） | 其他 Google 抓取工具遵循组 2。FTP 为 21）等同于其默认的主机名 。 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 ：
缓存Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ， 语法有效的 robots.txt 行由一个字段、抓取工具不会检查子目录中的 robots.txt 文件 。googlebot-news 遵循组 1。Google 抓取工具会下载并解析该网站的 robots.txt 文件，但不显示摘要 。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，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，为此 ， | ||||||||||||
| http://example.com/page.php5 | allow: /page disallow: /*.ph 适用规则 ：allow: /page ，然后便会停止，使用 HTTP 和 HTTPS 协议时 ， 以下示例演示了 Google 抓取工具会对特定网址应用什么规则 。
| ||||||||||||