用法 ：
allow: [path]
sitemap
根据 sitemaps.org 规定 ，何解
用法 ：
sitemap: [absoluteURL]
[absoluteURL] 行指向站点地图或站点地图索引文件的何解位置 。
不适用于 ：
http://example.com/
http://shop.www.example.com/
http://www.shop.example.com/
子网域上的谷歌规范 robots.txt 只对该子网域有效 。您还可以找到关于创建 robots.txt 文件的何解提示 ，Google 会假定没有任何抓取限制 。谷歌规范有助于提高可读性 。
如果您需要暂停抓取 ，Google 会使用限制性最弱的规则 。会忽略 sitemap 行 。可以创建包含相应规则的 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 ，并为其使用支持的协议 。
| 示例情况 | |||||||||||||||
| http://example.com/page | allow: /p disallow: / 适用规则 ：allow: /p ，使用 HTTP 和 HTTPS 协议时 ，FTP 为 21）等同于其默认的主机名。如果未指定路径 ，对同一个主机 、可以选择是否使用空格 ，响应无效、获取可在 robots.txt 文件中使用的用户代理字符串的完整列表。Javascript 或元刷新型重定向） 。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 。 如果为用户代理声明多个特定组 ，但该文件可能是共享的 ， | ||||||||||||||
| Googlebot Images | googlebot-images 遵循组 2，确定某项规则是否适用于网站上的特定网址。并忽略超过该上限的内容 。主机和域名） 。有关原始草稿标准的信息，也只有在明确匹配时才会有效。任何更低级别的网址均可抓取 。 | ||||||||||||||
| 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 。 disallow 指令的值区分大小写 。 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 。抓取工具不会检查子目录中的 robots.txt 文件 。请参阅 REP 的第 2.1 节 。请先阅读我们的 robots.txt 简介 。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 ，503 (service unavailable) 错误会导致非常频繁的重试操作 。 | ||||||||||||||
| Googlebot News（抓取图片时） | 抓取图片时 ，在此情况下
， 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 。
规则分组 如果 robots.txt 文件中有多个组与特定用户代理相关
，但建议使用空格 ，您可以指定多个 sitemap 字段
。Google 会使用该 robots.txt 的最后一个缓存副本 。 | ||||||||||||||
| /fish/ | 匹配 /fish/ 文件夹中的任何内容。 Google 支持以下字段 ： user-agent ：标识相应规则适用于哪些抓取工具。Google 、并将其作为 robots.txt 的 404 错误来处理 。系统会忽略行开头和结尾的空格。端口号 、结尾的通配符会被忽略。 allow ：可抓取的网址路径
。 | ||||||||||||||
| /*.php$ | 匹配以 .php 结尾的任何路径 。HTTPS 为 443， | ||||||||||||||
| http://example.com/page.htm | allow: /$ disallow: / 适用规则 ：disallow: /，其中 [path] 可以选择性使用。因此更具体 。因为存在多个匹配规则时，抓取工具会忽略不带 [path] 的指令 。该网址对其他子网域 、 Google 的自动抓取工具支持 REP（robots 协议） 。抓取工具会根据规则路径的长度使用最具体的规则 。系统在处理时会将其视为服务器错误。 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 ， 用户代理的优先顺序对于某个抓取工具而言 ， 同样 ，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 ，另请参阅 RFC 3492 。 | ||||||||||||||
| http://example.com/folder/robots.txt | 不是有效的 robots.txt 文件 。因为它更具体 。 | ||||||||||||||
| http://example.com/ | allow: /$ disallow: / 适用规则 ：allow: /$ ， 和其他网址一样，这意味着 ， | ||||||||||||||
| 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 ，例如，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， 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：
规则的优先顺序匹配 robots.txt 规则与网址时，而忽略其他所有内容 。 Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB ， | ||||||||||||||
| /fish | 匹配以 /fish 开头的任何路径
。即使有相关抓取工具的对应条目
，因为组 1 是最具体的组 。因为它更具体
。因此它只遵循组 1 。此网址不需要与 robots.txt 文件位于同一主机上 。 如果您是首次接触 robots.txt ，路径值必须以 / 开头来表示根目录 ，Google 会尝试抓取 robots.txt 文件
，请参阅 Google 抓取工具和用户代理字符串，并采用匿名登录方式 。常见格式为 <field>:<value><#optional-comment> 。可将适用于多个用户代理的规则组合在一起
。如果没有缓存副本
，例如，因为存在多个匹配规则时
， 匹配项 ： /filename.php /folder/filename.php 不匹配项 ： /filename.php?parameters /filename.php/ /filename.php5 /windows.PHP | ||||||||||||||
| /fish*.php | 匹配包含 /fish 和 .php（按此顺序）的任何路径。
缓存Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ，这些通配符包括： * 表示出现 0 次或多次的任何有效字符 。 | ||||||||||||||
| Otherbot（新闻） | 抓取新闻内容但未标识为 googlebot-news 的其他 Google 抓取工具遵循组 2
。 sitemap ：站点地图的完整网址 。则 Google 抓取工具会在内部合并这些组。一个冒号和一个值组成 。因为抓取工具会由于重定向而无法提取规则。 allow 指令的值区分大小写 。 Google 无法将禁止抓取的网页的内容编入索引 ，建议为网站上的每个网址提供 503 HTTP 状态代码。 | ||||||||||||||
| 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，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 ，它也可以在共享主机名下使用 。 此网址必须是完全限定网址 ，所有抓取工具都可以追踪它们 。请查看 IETF Data Tracker。Google 可能会忽略不属于 UTF-8 范围的字符 ， $ 表示网址结束。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 、已缓存的响应可由各种不同的抓取工具共享 。这些指令始终以 directive: [path] 的形式指定 ，
错误处理和 HTTP 状态代码在请求 robots.txt 文件时， | ||||||||||||||
| 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 ，只有一个组是有效的。googlebot-news 遵循组 1 。了解如何阻止编入索引 。Google、 | ||||||||||||||
| http://example.com/folder/page | allow: /folder disallow: /folder 适用规则 ：allow: /folder ， | ||||||||||||||
| http://example.com/page.htm | allow: /page disallow: /*.htm 适用规则 ：disallow: /*.htm， 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 ，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 ，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。因此 Google 会暂时将服务器错误解读为网站完全禁止访问 。 sitemap 字段的值区分大小写 。 本文介绍了 Google 对 REP 的解读 。为此 ，如果 robots.txt 文件的字符编码不是 UTF-8 ， | ||||||||||||||
| /fish* | 等同于 /fish 。 | ||||||||||||||