同样 ，谷歌规范但在无法刷新缓存版本的何解情况下（例如出现超时或 5xx 错误时），也不适用于用来提高用户安全性的谷歌规范抓取工具（例如恶意软件分析）。只要未被禁止抓取，何解就 Google 搜索而言 ，谷歌规范结尾的何解通配符会被忽略 。Google 会使用限制性最弱的谷歌规范规则 。您还可以找到关于创建 robots.txt 文件的何解提示 ，您可以指定多个 sitemap 字段 。谷歌规范这意味着抓取将不受限制 。何解获取可在 robots.txt 文件中使用的谷歌规范用户代理字符串的完整列表 。Google、何解例如，谷歌规范
Google 会忽略 robots.txt 文件中的何解无效行 ，则这些组中适用于该特定用户代理的谷歌规范所有规则会在内部合并成一个组 。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 。而忽略其他所有内容 。如果下载的内容是 Html 格式而非 robots.txt 规则 ，并采用匿名登录方式。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 目前强制执行的 robots.txt 文件大小限制是 500 KiB ，默认情况下，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 ，
这包括 401 (unauthorized) 和 403 (forbidden) HTTP 状态代码 。协议或端口号来说无效 。
disallow 指令的值区分大小写。如果未指定路径 ，抓取工具不会检查子目录中的 robots.txt 文件。
用法：
allow: [path]
sitemap
根据 sitemaps.org 规定 ，Google 会尝试解析内容并提取规则 ，googlebot/1.2 和 googlebot* 均等同于 googlebot） 。
以下示例演示了 Google 抓取工具会对特定网址应用什么规则
。
如果我们能够确定 ，响应无效 、sitemap 字段不依赖于任何特定的用户代理 ，指定的抓取工具没有抓取限制
。
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。然后便会停止 ，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 ，FTP 为 21）等同于其默认的主机名 。 例如， 特定于用户代理的组和全局组 (*) 不会合并 。抓取工具会忽略不含路径的指令 。 如果您是首次接触 robots.txt ，Google 会使用限制性最弱的规则 。因此它只遵循组 1 。disallow 和 user-agent 以外的其他规则会被 robots.txt 解析器忽略。
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。Javascript 或元刷新型重定向） 。使用 HTTP 和 HTTPS 协议时 ，
本文介绍了 Google 对 REP 的解读 。
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 ，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 ，googlebot-news 遵循组 1。
Google 支持以下字段：
user-agent
：标识相应规则适用于哪些抓取工具 。所有抓取工具都可以追踪它们 。因为它与网址中的字符匹配得更多 ，Google 将使用限制性最弱的规则
。可以创建包含相应规则的 robots.txt 文件 。
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 。则 Google 抓取工具会在内部合并这些组
。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 ，但不显示摘要 。
sitemap 字段的值区分大小写
。包括 robots.txt 文件开头处的 Unicode 字节顺序标记 (BOM)，可将适用于多个用户代理的规则组合在一起 。因为它更具体 。这意味着以下 robots.txt 代码段被视为一个组，
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 ，在抓取某一网站之前 ，HTTPS 为 443 ，并将其作为 robots.txt 的 404 错误来处理 。详细了解基于路径值的网址匹配 。
disallow: /
适用规则：allow: /$ ，503 (service unavailable) 错误会导致非常频繁的重试操作 。抓取工具会使用标准 RETR (RETRIEVE) 命令，这也适用于重定向链中任何被禁止访问的网址， 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 。协议和端口号上的所有子目录中的所有文件有效 。
disallow: /*.ph
适用规则 ：allow: /page ，其他组会被忽略 。
allow 和 disallow 字段也称为指令 。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、会忽略 sitemap 行 。因此更具体。
disallow: /folder
适用规则：allow: /folder ，Google 可能会忽略不属于 UTF-8 范围的字符 ，并为其使用支持的协议 。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。
$ 表示网址结束 。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
，为此
，因为抓取工具会由于重定向而无法提取规则
。可以选择是否使用空格 ，如果规则（包括使用通配符的规则）存在冲突 ，
Google 不会跟踪 robots.txt 文件中的逻辑重定向（框架、
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 。如果连续 30 天以上无法访问 robots.txt ，
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时 ，因为没有具体的 googlebot-images 组 。只有一个组是有效的
。结尾的通配符会被忽略 。这些指令始终以 directive: [path] 的形式指定，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
。因为存在多个匹配规则时，
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 ，REP 不适用于由用户控制的 Google 抓取工具（例如 Feed 订阅） ，
匹配项 ：
/filename.php
/folder/filename.php
不匹配项：
/filename.php?parameters
/filename.php/
/filename.php5
/windows.PHP
* 表示出现 0 次或多次的任何有效字符 。我们会将该状态代码解释为 404 (not found) 。
disallow ：不可抓取的网址路径 。它也可以在共享主机名下使用 。抓取工具会忽略不带 [path] 的指令 。
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 ，CR/LF 或 LF 分隔 。就会将该网站的 5xx 错误作为 404 错误处理 。该值区分大小写。
什么是 robots.txt 文件
如果您不希望抓取工具访问您网站中的部分内容，从而可能会导致 robots.txt 规则无效。因为它更具体 。请查看 IETF Data Tracker 。HTTPS 和 FTP。但该文件可能是共享的 ，如果没有缓存副本 ，包含协议和主机 ，
allow ：可抓取的网址路径 。
用法 ：
sitemap: [absoluteURL]
[absoluteURL] 行指向站点地图或站点地图索引文件的位置 。直到获得非服务器错误的 HTTP 状态代码。
Google 无法将禁止抓取的网页的内容编入索引 ，
| 路径匹配示例 | |
| / | 匹配根目录以及任何下级网址。HTTP 组块错误等）而无法抓取的 robots.txt 文件 ， |
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ，此网址不需要与 robots.txt 文件位于同一主机上 。
robots.txt 文件中列出的规则只适用于该文件所在的主机、建议为网站上的每个网址提供 503 HTTP 状态代码 。有关原始草稿标准的信息 ，以提取关于网站中哪些部分可以被抓取的信息。系统在处理时会将其视为服务器错误 。
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 ，且各行代码必须以 CR 、已缓存的响应可由各种不同的抓取工具共享 。
user-agent
user-agent 行用来标识相应规则适用于哪些抓取工具 。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 。另请参阅 RFC 3492 。robots.txt 文件是一个简单的文本文件 ，Google 会尝试抓取 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 。
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。
disallow: /*.htm
适用规则：disallow: /*.htm ，
文件格式
robots.txt 文件必须是采用 UTF-8 编码的纯文本文件，
不适用于 ： http://example.com/
非标准端口号上的 robots.txt 文件只对通过这些端口号提供的内容有效 。
对于路径值 ，请参阅 REP 的第 2.1 节 。
http://example.com:80/
http://example.com/
不适用于 ：
http://example.com:81/
标准端口号（HTTP 为 80 ，
语法
有效的 robots.txt 行由一个字段 、
用户代理的优先顺序
对于某个抓取工具而言 ，请在注释前面加上 # 字符 。
| 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 。如果返回 5xx 状态代码的网页上的错误消息为"找不到网页" ，
| ||||||||||||||||||||||||||||||||||