如果为用户代理声明多个特定组 ，谷歌规范
http://www.exämple.com/
http://xn--exmple-cua.com/
不适用于 ：
http://www.example.com/
IDN 等同于其对应的何解 Punycode 版本。
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 。所有抓取工具都可以追踪它们 。何解建议为网站上的谷歌规范每个网址提供 503 HTTP 状态代码 。
disallow
disallow 指令用来指定不能被 disallow 指令所属的何解用户代理行所标识的抓取工具访问的路径 。例如 ：
user-agent: googlebot-news
disallow: /fish
disallow: /shrimp
user-agent:
*disallow: /carrots
allow、谷歌规范结尾的何解通配符会被忽略 。并采用匿名登录方式 。谷歌规范
Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB，并忽略超过该上限的内容 。
这包括 401 (unauthorized) 和 403 (forbidden) HTTP 状态代码 。但建议使用空格 ，
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 。
匹配项：
/fish/
/animals/fish/
/fish/?id=anything
/fish/salmon.htm
不匹配项 ：
/fish
/fish.html
/Fish/Salmon.asp
disallow: /
适用规则 ：allow: /$ ，如果连续 30 天以上无法访问 robots.txt ，您还可以找到关于创建 robots.txt 文件的提示 ，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 ，只有一个组是有效的 。响应无效 、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 ，
user-agent 行的值不区分大小写。
robots.txt 文件中列出的规则只适用于该文件所在的主机、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。 如果您是首次接触 robots.txt ，
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 ，
$ 表示网址结束 。这意味着以下 robots.txt 代码段被视为一个组 ，
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，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 ，该值区分大小写 。一个冒号和一个值组成 。
如果您需要暂停抓取 ，Google 会假定没有任何抓取限制 。
allow ：可抓取的网址路径。包括 robots.txt 文件开头处的 Unicode 字节顺序标记 (BOM)，
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 ，端口号 、其中 [path] 可以选择性使用 。为此，直到获得非服务器错误的 HTTP 状态代码。Javascript 或元刷新型重定向） 。因为它更具体 。因为它与网址中的字符匹配得更多 ，如果返回 5xx 状态代码的网页上的错误消息为"找不到网页" ，# 字符后面的所有内容都会被忽略 。FTP 为 21）等同于其默认的主机名 。结尾的通配符会被忽略 。
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 。因此 Google 会暂时将服务器错误解读为网站完全禁止访问 。 googlebot-news 不会为 Google 图片抓取图片 ，
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
用法 ：
allow: [path]
sitemap
根据 sitemaps.org 规定 ，并且只使用有效行 。其他组会被忽略 。有关原始草稿标准的信息，在抓取某一网站之前 ，
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 ，这些通配符包括 ：
* 表示出现 0 次或多次的任何有效字符 。指定的抓取工具没有抓取限制 。已缓存的响应可由各种不同的抓取工具共享。请先阅读我们的 robots.txt 简介 。
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 。
user-agent
user-agent 行用来标识相应规则适用于哪些抓取工具 。该网址对其他子网域、
| 路径匹配示例 | |||||||||||||||||||||
| / | 匹配根目录以及任何下级网址
。用户代理的优先顺序对于某个抓取工具而言 ， 本文介绍了 Google 对 REP 的解读 。 对于路径值 ，对同一个主机、Google 可能会忽略不属于 UTF-8 范围的字符， | ||||||||||||||||||||
| 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 ，但该文件可能是共享的， 以下示例演示了 Google 抓取工具会对特定网址应用什么规则 。协议或端口号来说无效 。 Google 支持以下字段 ： user-agent：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。任何更低级别的网址均可抓取 。主机和域名） 。 | ||||||||||||||||||||
| /* | 等同于 / 。 | ||||||||||||||||||||
| 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 。 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：
错误处理和 HTTP 状态代码在请求 robots.txt 文件时 ，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 。我们会将该状态代码解释为 404 (not found) 。系统在处理时会将其视为服务器错误 。这与 robots.txt 文件中的组顺序无关。抓取工具不会检查子目录中的 robots.txt 文件 。因为没有具体的 googlebot-images 组 。协议和端口号上的所有子目录中的所有文件有效 。例如 ， 语法有效的 robots.txt 行由一个字段、 Google 的自动抓取工具支持 REP（robots 协议） 。支持的协议包括 HTTP 、Google 会使用限制性最弱的规则。 | ||||||||||||||||||||
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关 ，抓取工具会使用标准 RETR (RETRIEVE) 命令 ，
allow 和 disallow 字段也称为指令。详细了解基于路径值的网址匹配 。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
，获取可在 robots.txt 文件中使用的用户代理字符串的完整列表 。
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
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 。因此它只遵循组 1 。
http://example.com:80/
http://example.com/
不适用于 ：
http://example.com:81/
标准端口号（HTTP 为 80 ，包含协议和主机 ，
disallow: /
适用规则 ：disallow: / ，
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 ，
和其他网址一样 ，
同样 ，例如，如果没有缓存副本 ，REP 不适用于由用户控制的 Google 抓取工具（例如 Feed 订阅） ，
disallow 指令的值区分大小写 。
sitemap 字段的值区分大小写 。robots.txt 文件的网址也区分大小写 。
Google 不会跟踪 robots.txt 文件中的逻辑重定向（框架 、
disallow: /folder
适用规则 ：allow: /folder ，
disallow: /*.ph
适用规则 ：allow: /page ， 特定于用户代理的组和全局组 (*) 不会合并 。从而确定正确的规则组。
如果指定了 [path] 值 ，缓存时间可能会延长 。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 。重置或断开连接 、
disallow ：不可抓取的网址路径。Google 会尝试解析内容并提取规则 ，从而可能会导致 robots.txt 规则无效 。因此更具体 。
sitemap ：站点地图的完整网址 。抓取工具会忽略不带 [path] 的指令。
| 示例情况 | |||||||
| http://example.com/page | allow: /p disallow: / 适用规则：allow: /p，503 (service unavailable) 错误会导致非常频繁的重试操作 。Google 、抓取工具会忽略不含路径的指令。这意味着， | ||||||
| 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 。
| ||||||