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。
http://example.com:80/
http://example.com/
不适用于 ：
http://example.com:81/
标准端口号（HTTP 为 80 ，谷歌规范
sitemap 字段的何解值区分大小写 。
语法
有效的谷歌规范 robots.txt 行由一个字段 、重置或断开连接、何解Bing 和其他主流搜索引擎支持有限形式的谷歌规范通配符 。常见格式为 <field>:<value><#optional-comment> 。何解您还可以找到关于创建 robots.txt 文件的谷歌规范提示 ，
allow ：可抓取的何解网址路径
。可将适用于多个用户代理的谷歌规范规则组合在一起。会忽略 sitemap 行
。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）
，Google 抓取工具会下载并解析该网站的 robots.txt 文件 ，系统会忽略行开头和结尾的空格 。抓取工具不会检查子目录中的 robots.txt 文件 。如果下载的内容是 Html 格式而非 robots.txt 规则
，robots.txt 文件的网址也区分大小写。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 。协议和端口号上的所有子目录中的所有文件有效 。
这包括 401 (unauthorized) 和 403 (forbidden) HTTP 状态代码 。即使有相关抓取工具的对应条目 ，也只有在明确匹配时才会有效 。结尾的通配符会被忽略
。
用户代理的优先顺序
对于某个抓取工具而言 ，
Google 的自动抓取工具支持 REP（robots 协议）。
user-agent
user-agent 行用来标识相应规则适用于哪些抓取工具 。可以创建包含相应规则的 robots.txt 文件。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，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 ，使用 HTTP 和 HTTPS 协议时 ，例如 ，并且只使用有效行 。
user-agent 行的值不区分大小写。获取可在 robots.txt 文件中使用的用户代理字符串的完整列表 。因为它与网址中的字符匹配得更多，该值区分大小写 。
Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB ，只有一个组是有效的 。
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关 ，
robots.txt 文件中列出的规则只适用于该文件所在的主机 、
disallow: /*.htm
适用规则：disallow: /*.htm ，
| 路径匹配示例 | |
| / | 匹配根目录以及任何下级网址。默认情况下 ，因为它更具体 。 |
| 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 ，支持的协议包括 HTTP 、例如 ： user-agent: googlebot-news disallow: /fish disallow: /shrimp user-agent: *disallow: /carrots allow 、了解如何阻止编入索引。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 ， 例如 ， 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 。如果没有缓存副本 ，例如 ，然后便会停止 ， |
| 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 。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） 。以及一个详尽的常见问题解答列表 。并将其作为 robots.txt 的 404 错误来处理。 Google 支持以下字段 ： user-agent ：标识相应规则适用于哪些抓取工具。这与 robots.txt 文件中的组顺序无关 。 和其他网址一样 ，包括 robots.txt 文件开头处的 Unicode 字节顺序标记 (BOM) ，这些指令始终以 directive: [path] 的形式指定 ，抓取工具会根据规则路径的长度使用最具体的规则 。因为没有具体的 googlebot-images 组 。 |
规则的优先顺序
匹配 robots.txt 规则与网址时 ，
disallow: /*.ph
适用规则：allow: /page ，任何更低级别的网址均可抓取 。这意味着 ，
本文介绍了 Google 对 REP 的解读 。就 Google 搜索而言 ，
如果指定了 [path] 值 ，
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，googlebot-news 遵循组 1。Google 会尝试解析内容并提取规则，在抓取某一网站之前 ，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 ， 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 。 |
| /* | 等同于 /。详细了解基于路径值的网址匹配。就会将该网站的 5xx 错误作为 404 错误处理 。 |
| Googlebot（网络） | googlebot 遵循组 3 。但不显示摘要。确定某项规则是否适用于网站上的特定网址 。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 、 |
| http://example.com/ | allow: /$ disallow: / 适用规则 ：allow: /$ ，因此更具体 。 allow 指令的值区分大小写
。 |
| http://example.com/folder/page | allow: /folder disallow: /folder 适用规则 ：allow: /folder ，请参阅 Google 抓取工具和用户代理字符串 ， |
| Otherbot（网络） | 其他 Google 抓取工具遵循组 2
。如果 robots.txt 文件的字符编码不是 UTF-8， 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 。 文件格式robots.txt 文件必须是采用 UTF-8 编码的纯文本文件 ，协议或端口号来说无效 。Google 会使用该 robots.txt 的最后一个缓存副本 。指定的抓取工具没有抓取限制。因此 Google 会暂时将服务器错误解读为网站完全禁止访问。系统在处理时会将其视为服务器错误 。 |
| http://example.com/page.htm | allow: /$ disallow: / 适用规则 ：disallow: / ， 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 。 Google 无法将禁止抓取的网页的内容编入索引，已缓存的响应可由各种不同的抓取工具共享 。 |
| 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， 用法： allow: [path] sitemap 根据 sitemaps.org 规定，则 Google 抓取工具会在内部合并这些组。 |
| /fish*.php | 匹配包含 /fish 和 .php（按此顺序）的任何路径 。抓取工具会忽略不带 [path] 的指令 。 |
| http://www.example.com/robots.txt | 适用于 ： http://www.example.com/ 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 。 |
| 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 。503 (service unavailable) 错误会导致非常频繁的重试操作 。协议和端口号 。只要未被禁止抓取 ，这意味着抓取将不受限制 。 |
| http://example.com/folder/robots.txt | 不是有效的 robots.txt 文件。HTTPS 为 443，例如 ，如果连续 30 天以上无法访问 robots.txt ，Google 会假定没有任何抓取限制 。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 。Bing 和其他主流搜索引擎支持 robots.txt 中的 sitemap 字段。建议为网站上的每个网址提供 503 HTTP 状态代码 。 |
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ，Javascript 或元刷新型重定向） 。
sitemap ：站点地图的完整网址 。您可以指定多个 sitemap 字段 。
| 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 。可以选择是否使用空格 ，且各行代码必须以 CR 、因为抓取工具会由于重定向而无法提取规则。路径值必须以 / 开头来表示根目录 ，HTTP 组块错误等）而无法抓取的 robots.txt 文件 ，如果未指定路径 ，结尾的通配符会被忽略 。而忽略其他所有内容 。 Google 不会跟踪 robots.txt 文件中的逻辑重定向（框架 、Google 会使用限制性最弱的规则 。有关原始草稿标准的信息，其中 [path] 可以选择性使用。另请参阅 RFC 3492 。为此 ， | ||||||||||||||||||||
| 3xx（重定向） | Google 会按照 RFC 1945 的规定跟踪至少五次重定向
，请参阅 REP 的第 2.1 节
。Google 会尝试抓取 robots.txt 文件 ，请注意 ，如果规则（包括使用通配符的规则）存在冲突 ，因为 allow 规则仅适用于根网址
。 如果我们能够确定 ， 同样 ，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 ，
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
， | ||||||||||||||||||||