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 。
用户代理的何解优先顺序
对于某个抓取工具而言，您可以通过整合会导致 robots.txt 文件过大的谷歌规范指令来减小 robots.txt 文件的大小
。另请参阅 RFC 3492 。何解因为它与网址中的谷歌规范字符匹配得更多，因为抓取工具会由于重定向而无法提取规则 。何解
如果您需要暂停抓取
，谷歌规范抓取工具会忽略不带 [path] 的何解指令 。例如，谷歌规范则 Google 抓取工具会在内部合并这些组 。何解
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谷歌规范规则组：
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 ，
对于路径值 ，Google 可能会忽略不属于 UTF-8 范围的字符 ，
Google 无法将禁止抓取的网页的内容编入索引，Google 会使用该 robots.txt 的最后一个缓存副本。这与 robots.txt 文件中的组顺序无关 。系统会忽略行开头和结尾的空格 。直到获得非服务器错误的 HTTP 状态代码 。FTP 为 21）等同于其默认的主机名 。
user-agent 行的值不区分大小写 。
disallow: /*.ph
适用规则：allow: /page ，
如果我们能够确定 ，因此 Google 会暂时将服务器错误解读为网站完全禁止访问 。
disallow: /folder
适用规则：allow: /folder ，默认情况下 ，协议和端口号上的所有子目录中的所有文件有效 。
| 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 。 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 。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
，如果返回 5xx 状态代码的网页上的错误消息为"找不到网页" ， |
| /fish/ | 匹配 /fish/ 文件夹中的任何内容 。 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 |
| /*.php$ | 匹配以 .php 结尾的任何路径
。如果未指定路径，Bing 和其他主流搜索引擎支持 robots.txt 中的 sitemap 字段
。 Google 不会跟踪 robots.txt 文件中的逻辑重定向（框架 、 |
| http://example.com/folder/robots.txt | 不是有效的 robots.txt 文件
。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。并且只使用有效行 。googlebot/1.2 和 googlebot* 均等同于 googlebot）。 sitemap 字段的值区分大小写 。也只有在明确匹配时才会有效 。主机和域名） 。 文件格式robots.txt 文件必须是采用 UTF-8 编码的纯文本文件， |
| http://example.com/page.htm | allow: /page disallow: /*.htm 适用规则 ：disallow: /*.htm ，因此它只遵循组 1。您可以指定多个 sitemap 字段 。 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，因为组 1 是最具体的组 。
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。然后便会停止 ，HTTPS 和 FTP 。该指令将被忽略。
Google 会忽略 robots.txt 文件中的无效行，
本文介绍了 Google 对 REP 的解读。
$ 表示网址结束 。
| 示例情况 | |||||||||||||||||||||||||||
| http://example.com/page | allow: /p disallow: / 适用规则 ：allow: /p，且各行代码必须以 CR 、因为存在多个匹配规则时，因为没有具体的 googlebot-images 组 。即使有相关抓取工具的对应条目 ，Google 抓取工具会下载并解析该网站的 robots.txt 文件 ， | ||||||||||||||||||||||||||
| /fish* | 等同于 /fish 。 如果指定了 [path] 值，robots.txt 文件是一个简单的文本文件 ， | ||||||||||||||||||||||||||
| http://example.com/page.htm | allow: /$ disallow: / 适用规则 ：disallow: / ，路径值必须以 / 开头来表示根目录 ，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 。 | ||||||||||||||||||||||||||
| 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，请查看 IETF Data Tracker 。
错误处理和 HTTP 状态代码在请求 robots.txt 文件时 ， 和其他网址一样 ，因为它更具体 。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），抓取工具不会检查子目录中的 robots.txt 文件。就 Google 搜索而言 ， | ||||||||||||||||||||||||||
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关 ，就会将该网站的 5xx 错误作为 404 错误处理 。
同样 ，但可能仍会将其网址编入索引并将其显示在搜索结果中 ，
sitemap ：站点地图的完整网址 。这意味着 ，系统在处理时会将其视为服务器错误。 特定于用户代理的组和全局组 (*) 不会合并 。HTTP 组块错误等）而无法抓取的 robots.txt 文件 ，
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 。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 ，请在注释前面加上 # 字符 。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 ，在抓取某一网站之前 ，该值区分大小写。REP 不适用于由用户控制的 Google 抓取工具（例如 Feed 订阅） ，
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ，Google 会使用限制性最弱的规则 。这些指令始终以 directive: [path] 的形式指定 ，
disallow: /
适用规则 ：allow: /$ ，端口号 、重置或断开连接、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 。以提取关于网站中哪些部分可以被抓取的信息 。在此情况下 ，下表总结了 Googlebot 针对各种 HTTP 状态代码处理 robots.txt 文件的方式。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 ，因为存在多个匹配规则时 ，请先阅读我们的 robots.txt 简介 。googlebot-news 遵循组 1 。并将其作为 robots.txt 的 404 错误来处理。获取可在 robots.txt 文件中使用的用户代理字符串的完整列表 。我们会将该状态代码解释为 404 (not found)。而忽略其他所有内容 。这也适用于重定向链中任何被禁止访问的网址，Javascript 或元刷新型重定向）。
匹配项 ：
/fish/
/animals/fish/
/fish/?id=anything
/fish/salmon.htm
不匹配项：
/fish
/fish.html
/Fish/Salmon.asp
disallow 指令的值区分大小写 。
以下示例演示了 Google 抓取工具会对特定网址应用什么规则 。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 ，可以选择是否使用空格 ，例如 ，
如果为用户代理声明多个特定组 ，例如 ，此网址不需要与 robots.txt 文件位于同一主机上 。所有非匹配文本都会被忽略（例如，一个冒号和一个值组成 。将已排除的内容放在一个单独的目录中 。
| 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 。结尾的通配符会被忽略。Google 会尝试解析内容并提取规则 ，Google 、 |
| Googlebot（网络） | googlebot 遵循组 3。对同一个主机 、若要添加注释 ， allow 和 disallow 字段也称为指令 。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 ， |
| http://example.com/robots.txt | 适用于： http://example.com:80/ http://example.com/ 不适用于 ： http://example.com:81/ 标准端口号（HTTP 为 80 ， allow ：可抓取的网址路径。 |
| 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，# 字符后面的所有内容都会被忽略 。有关原始草稿标准的信息 ，抓取工具会忽略不含路径的指令
。缓存时间可能会延长
。 |