同样 ，
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 ，
如果我们能够确定 ，
sitemap 字段的值区分大小写。Google 抓取工具会下载并解析该网站的 robots.txt 文件，
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 ，
user-agent: googlebot-news
disallow: /fish
disallow: /shrimp
user-agent:
*disallow: /carrots
allow 、
以下示例演示了 Google 抓取工具会对特定网址应用什么规则 。从而确定正确的规则组 。
Google 不会跟踪 robots.txt 文件中的逻辑重定向（框架 、
本文介绍了 Google 对 REP 的解读 。对同一个主机 、 googlebot-news 不会为 Google 图片抓取图片，此网址不需要与 robots.txt 文件位于同一主机上 。可以创建包含相应规则的 robots.txt 文件 。结尾的通配符会被忽略 。并采用匿名登录方式 。
Google 无法将禁止抓取的网页的内容编入索引，Google 、
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 。
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ，因为存在多个匹配规则时，您可以指定多个 sitemap 字段 。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、
对于路径值 ，
如果您需要暂停抓取 ，
用法 ：
sitemap: [absoluteURL]
[absoluteURL] 行指向站点地图或站点地图索引文件的位置。服务器响应的 HTTP 状态代码会影响 Google 抓取工具使用 robots.txt 文件的方式 。该值区分大小写 。这些通配符包括 ：
* 表示出现 0 次或多次的任何有效字符 。 特定于用户代理的组和全局组 (*) 不会合并 。Google 会使用限制性最弱的规则。直到获得非服务器错误的 HTTP 状态代码 。
Google 的自动抓取工具支持 REP（robots 协议） 。这也适用于重定向链中任何被禁止访问的网址 ，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） 。
文件格式
robots.txt 文件必须是采用 UTF-8 编码的纯文本文件 ，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 。也只有在明确匹配时才会有效 。Bing 和其他主流搜索引擎支持有限形式的通配符 。如果规则（包括使用通配符的规则）存在冲突 ，请参阅 REP 的第 2.1 节 。就会将该网站的 5xx 错误作为 404 错误处理。端口号 、抓取工具会使用标准 RETR (RETRIEVE) 命令 ，
user-agent
user-agent 行用来标识相应规则适用于哪些抓取工具 。因为它更具体 。并将其作为 robots.txt 的 404 错误来处理 。Google 会假定没有任何抓取限制。robots.txt 文件的网址也区分大小写 。
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 。且无需进行网址编码 。
disallow: /*.htm
适用规则 ：disallow: /*.htm，就 Google 搜索而言 ，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 ，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 ，获取可在 robots.txt 文件中使用的用户代理字符串的完整列表 。
和其他网址一样 ，可以选择是否使用空格 ，将已排除的内容放在一个单独的目录中。 此网址必须是完全限定网址，Javascript 或元刷新型重定向） 。这意味着以下 robots.txt 代码段被视为一个组 ，googlebot-news 遵循组 1 。
如果为用户代理声明多个特定组 ，已缓存的响应可由各种不同的抓取工具共享 。
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 。
用法：
allow: [path]
sitemap
根据 sitemaps.org 规定 ，从而可能会导致 robots.txt 规则无效 。如果 robots.txt 文件的字符编码不是 UTF-8 ，REP 不适用于由用户控制的 Google 抓取工具（例如 Feed 订阅） ，如果下载的内容是 Html 格式而非 robots.txt 规则 ，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 ，请注意 ，即使有相关抓取工具的对应条目 ，其中 [path] 可以选择性使用。Bing 和其他主流搜索引擎支持 robots.txt 中的 sitemap 字段 。因为存在多个匹配规则时 ，
用户代理的优先顺序
对于某个抓取工具而言，
Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB，
Google 支持以下字段 ：
user-agent：标识相应规则适用于哪些抓取工具 。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 ，它也可以在共享主机名下使用 。 如果您是首次接触 robots.txt ，HTTPS 和 FTP 。这与 robots.txt 文件中的组顺序无关 。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 ，
allow：可抓取的网址路径 。抓取工具会忽略不含路径的指令。
robots.txt 文件中列出的规则只适用于该文件所在的主机 、则 Google 抓取工具会在内部合并这些组 。
sitemap：站点地图的完整网址。主机和域名） 。但该文件可能是共享的 ，
$ 表示网址结束
。这意味着抓取将不受限制。请参阅 Google 抓取工具和用户代理字符串 ，但可能仍会将其网址编入索引并将其显示在搜索结果中 ，使用 HTTP 和 HTTPS 协议时
，
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: /
适用规则 ：allow: /$ ，Google 会使用该 robots.txt 的最后一个缓存副本 。并忽略超过该上限的内容 。有助于提高可读性。包含协议和主机 ，指定的抓取工具没有抓取限制。常见格式为 <field>:<value><#optional-comment> 。因为没有具体的 googlebot-images 组 。其他组会被忽略。详细了解基于路径值的网址匹配 。
匹配项 ：
/filename.php
/folder/filename.php
不匹配项 ：
/filename.php?parameters
/filename.php/
/filename.php5
/windows.PHP
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关 ，只有一个组是有效的 。
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 。
disallow ：不可抓取的网址路径 。确定某项规则是否适用于网站上的特定网址 。
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。例如 ，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 ，
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 。协议和端口号上的所有子目录中的所有文件有效 。可将适用于多个用户代理的规则组合在一起 。如果未指定路径 ，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 。请查看 IETF Data Tracker 。
如果指定了 [path] 值 ，
http://example.com:80/
http://example.com/
不适用于 ：
http://example.com:81/
标准端口号（HTTP 为 80 ，
disallow 指令的值区分大小写。
user-agent 行的值不区分大小写 。响应无效 、该指令将被忽略 。
disallow: /folder
适用规则 ：allow: /folder，
匹配项 ：
/fish/
/animals/fish/
/fish/?id=anything
/fish/salmon.htm
不匹配项 ：
/fish
/fish.html
/Fish/Salmon.asp
| 错误处理和 HTTP 状态代码 | |
| 2xx（成功） | 表示成功的 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 。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 ， |
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时，Google 可能会忽略不属于 UTF-8 范围的字符 ，您还可以找到关于创建 robots.txt 文件的提示 ，
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
| 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 。sitemap 字段不依赖于任何特定的用户代理 ，抓取工具会根据规则路径的长度使用最具体的规则 。HTTPS 为 443 ， 语法有效的 robots.txt 行由一个字段 、协议或端口号来说无效。结尾的通配符会被忽略
。抓取工具会忽略不带 [path] 的指令
。Google 会使用限制性最弱的规则。 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 。
| ||||||||||||||||||||||