disallow: /
适用规则 ：allow: /$ ，何解
用户代理的谷歌规范优先顺序
对于某个抓取工具而言 ，
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 ，何解并忽略超过该上限的谷歌规范内容 。
什么是何解 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 ，Google 会使用限制性最弱的谷歌规范规则 。这也适用于重定向链中任何被禁止访问的何解网址 ，已缓存的谷歌规范响应可由各种不同的抓取工具共享 。则 Google 抓取工具会在内部合并这些组。例如 ：
user-agent: googlebot-news
disallow: /fish
disallow: /shrimp
user-agent:
*disallow: /carrots
allow 、robots.txt 文件是一个简单的文本文件 ， googlebot-news 不会为 Google 图片抓取图片 ，
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关 ，FTP 为 21）等同于其默认的主机名 。这些通配符包括 ：
* 表示出现 0 次或多次的任何有效字符 。而忽略其他所有内容 。
这包括 401 (unauthorized) 和 403 (forbidden) HTTP 状态代码 。请注意 ，503 (service unavailable) 错误会导致非常频繁的重试操作。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 、例如 ，
Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB，因为存在多个匹配规则时 ，它也可以在共享主机名下使用 。
以下示例演示了 Google 抓取工具会对特定网址应用什么规则。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 。这与 robots.txt 文件中的组顺序无关 。抓取工具会忽略不带 [path] 的指令。CR/LF 或 LF 分隔 。确定某项规则是否适用于网站上的特定网址 。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 。 如果您是首次接触 robots.txt ， 特定于用户代理的组和全局组 (*) 不会合并 。且各行代码必须以 CR 、
disallow ：不可抓取的网址路径 。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） ，
如果指定了 [path] 值 ，
sitemap 字段的值区分大小写。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 ，支持的协议包括 HTTP、从而可能会导致 robots.txt 规则无效 。因为 allow 规则仅适用于根网址 。Google 会使用限制性最弱的规则 。指定的抓取工具没有抓取限制 。
如果为用户代理声明多个特定组 ，
disallow: /*.ph
适用规则 ：allow: /page ，就 Google 搜索而言 ，结尾的通配符会被忽略 。Google 、抓取工具会根据规则路径的长度使用最具体的规则。并采用匿名登录方式。但该文件可能是共享的 ，HTTP 组块错误等）而无法抓取的 robots.txt 文件 ，系统在处理时会将其视为服务器错误 。googlebot/1.2 和 googlebot* 均等同于 googlebot） 。包含协议和主机 ，抓取工具会忽略不含路径的指令 。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 ，因此它只遵循组 1
。建议为网站上的每个网址提供 503 HTTP 状态代码
。请参阅 REP 的第 2.1 节 。 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。因为它与网址中的字符匹配得更多 ，
匹配项 ：
/fish/
/animals/fish/
/fish/?id=anything
/fish/salmon.htm
不匹配项：
/fish
/fish.html
/Fish/Salmon.asp
用法 ：
allow: [path]
sitemap
根据 sitemaps.org 规定 ，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
，若要添加注释
，常见格式为 <field>:<value><#optional-comment> 。
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 ，该值区分大小写 。将已排除的内容放在一个单独的目录中 。即使有相关抓取工具的对应条目 ，并且只使用有效行。
http://example.com:80/
http://example.com/
不适用于：
http://example.com:81/
标准端口号（HTTP 为 80 ，
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 。了解如何阻止编入索引 。
sitemap ：站点地图的完整网址 。
user-agent 行的值不区分大小写 。因此 Google 会暂时将服务器错误解读为网站完全禁止访问 。在抓取某一网站之前 ，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，有关原始草稿标准的信息 ，
用法：
sitemap: [absoluteURL]
[absoluteURL] 行指向站点地图或站点地图索引文件的位置 。HTTPS 为 443 ，
匹配项 ：
/filename.php
/folder/filename.php
不匹配项 ：
/filename.php?parameters
/filename.php/
/filename.php5
/windows.PHP
语法
有效的 robots.txt 行由一个字段 、
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
，Google 将使用限制性最弱的规则 。我们会将该状态代码解释为 404 (not found)。路径值必须以 / 开头来表示根目录
，请查看 IETF Data Tracker
。可以选择是否使用空格
，一个冒号和一个值组成
。 此网址必须是完全限定网址
，如果 robots.txt 文件的字符编码不是 UTF-8 ，googlebot-news 遵循组 1 。文件格式robots.txt 文件必须是采用 UTF-8 编码的纯文本文件， disallow 指令的值区分大小写 。但建议使用空格 ， 同样 ，协议或端口号来说无效 。 | ||||||||||||||||||||||||||||||||||||||||||||||||
| 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 。其他组会被忽略 。并将其作为 robots.txt 的 404 错误来处理 。
| ||||||||||||||||||||||||||||||||||||||||||||||||