Google 会忽略 robots.txt 文件中的何解无效行 ，
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 。并为其使用支持的何解协议 。
| 错误处理和 HTTP 状态代码 | |
| 2xx（成功） | 表示成功的何解 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。结尾的谷歌规范通配符会被忽略
。从而可能会导致 robots.txt 规则无效
。何解 本文介绍了 Google 对 REP 的谷歌规范解读 。例如 ，何解该网址对其他子网域 、谷歌规范例如 ，何解系统会将相应规则与抓取工具尝试抓取的谷歌规范网址的路径部分进行比较
。 |
| http://example.com/ | allow: /$ disallow: / 适用规则：allow: /$ ，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 。因为它更具体。 Google 的自动抓取工具支持 REP（robots 协议） 。# 字符后面的所有内容都会被忽略 。 Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB，它也可以在共享主机名下使用 。该值区分大小写
。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，并采用匿名登录方式
。 |
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时，
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 ：不可抓取的网址路径。503 (service unavailable) 错误会导致非常频繁的重试操作 。您还可以找到关于创建 robots.txt 文件的提示 ，
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 。可以选择是否使用空格 ，使用 HTTP 和 HTTPS 协议时 ，
robots.txt 文件中列出的规则只适用于该文件所在的主机、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 。有关原始草稿标准的信息 ， 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 。
$ 表示网址结束 。并将其作为 robots.txt 的 404 错误来处理 。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 。如果未指定路径 ，
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 。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，而忽略其他所有内容 。因此它只遵循组 1 。常见格式为 <field>:<value><#optional-comment>
。disallow 和 user-agent 以外的其他规则会被 robots.txt 解析器忽略 。
匹配项：
/filename.php
/folder/filename.php
不匹配项 ：
/filename.php?parameters
/filename.php/
/filename.php5
/windows.PHP
disallow: /*.htm
适用规则 ：disallow: /*.htm，即使有相关抓取工具的对应条目，请参阅 REP 的第 2.1 节 。
同样 ，HTTP 组块错误等）而无法抓取的 robots.txt 文件 ，googlebot/1.2 和 googlebot* 均等同于 googlebot） 。包括 robots.txt 文件开头处的 Unicode 字节顺序标记 (BOM) ，如果规则（包括使用通配符的规则）存在冲突 ，Bing 和其他主流搜索引擎支持有限形式的通配符 。下表总结了 Googlebot 针对各种 HTTP 状态代码处理 robots.txt 文件的方式 。并忽略超过该上限的内容 。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
，这意味着，您可以指定多个 sitemap 字段 。抓取工具会忽略不含路径的指令
。
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
disallow: /folder
适用规则 ：allow: /folder ，Google 将使用限制性最弱的规则 。这些通配符包括 ：
* 表示出现 0 次或多次的任何有效字符 。
语法
有效的 robots.txt 行由一个字段 、Google 、有助于提高可读性 。这意味着抓取将不受限制 。系统会忽略行开头和结尾的空格。请查看 IETF Data Tracker 。协议或端口号来说无效 。
以下示例演示了 Google 抓取工具会对特定网址应用什么规则 。HTTPS 为 443 ，CR/LF 或 LF 分隔 。
用法：
allow: [path]
sitemap
根据 sitemaps.org 规定 ，robots.txt 文件的网址也区分大小写 。因为没有具体的 googlebot-images 组 。Google 会假定没有任何抓取限制 。抓取工具会忽略不带 [path] 的指令 。
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关 ，googlebot-news 遵循组 1 。HTTPS 和 FTP 。可以创建包含相应规则的 robots.txt 文件 。Google 会根据 max-age Cache-Control HTTP 标头来延长或缩短缓存生命周期。协议和端口号 。确定某项规则是否适用于网站上的特定网址 。包含协议和主机 ，
匹配项 ：
/fish/
/animals/fish/
/fish/?id=anything
/fish/salmon.htm
不匹配项 ：
/fish
/fish.html
/Fish/Salmon.asp
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
，请参阅 Google 抓取工具和用户代理字符串
，
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
allow ：可抓取的网址路径 。
sitemap ：站点地图的完整网址 。任何更低级别的网址均可抓取 。就 Google 搜索而言 ，
| 路径匹配示例 | |||||||||||||||||||||||||||
| / | 匹配根目录以及任何下级网址 。 | ||||||||||||||||||||||||||
| /fish | 匹配以 /fish 开头的任何路径 。请注意， 对于路径值 ，这意味着以下 robots.txt 代码段被视为一个组 ，可将适用于多个用户代理的规则组合在一起 。 | ||||||||||||||||||||||||||
| 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 。 用户代理的优先顺序对于某个抓取工具而言 ， googlebot-news 不会为 Google 图片抓取图片 ，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， sitemap 字段的值区分大小写 。将已排除的内容放在一个单独的目录中 。此网址不需要与 robots.txt 文件位于同一主机上 。
错误处理和 HTTP 状态代码在请求 robots.txt 文件时 ， | ||||||||||||||||||||||||||
| http://example.com/page.htm | allow: /$ disallow: / 适用规则 ：disallow: /，但不显示摘要。响应无效 、 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 。 Google 支持以下字段： user-agent ：标识相应规则适用于哪些抓取工具 。 如果为用户代理声明多个特定组 ，详细了解基于路径值的网址匹配 。Javascript 或元刷新型重定向） 。 | ||||||||||||||||||||||||||
| /$ | 仅匹配根目录 。REP 不适用于由用户控制的 Google 抓取工具（例如 Feed 订阅）
，
| ||||||||||||||||||||||||||