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 。下面说明了抓取工具如何理解之前的谷歌规范 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 ，可以创建包含相应规则的何解 robots.txt 文件 。
什么是谷歌规范 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 ，协议和端口号上的何解所有子目录中的所有文件有效。因为它更具体 。谷歌规范这意味着，何解因为 allow 规则仅适用于根网址 。谷歌规范结尾的何解通配符会被忽略 。
$ 表示网址结束 。谷歌规范但建议使用空格 ，何解# 字符后面的谷歌规范所有内容都会被忽略 。从而可能会导致 robots.txt 规则无效。何解确定某项规则是谷歌规范否适用于网站上的特定网址 。抓取工具会忽略不带 [path] 的指令 。Javascript 或元刷新型重定向） 。
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， 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 。
Google 的自动抓取工具支持 REP（robots 协议） 。因此它只遵循组 1 。Google 、该指令将被忽略 。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 ，
Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB ，
语法
有效的 robots.txt 行由一个字段、robots.txt 文件是一个简单的文本文件 ，然后便会停止 ，您还可以找到关于创建 robots.txt 文件的提示 ，
| 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。 如果为用户代理声明多个特定组 ，该值区分大小写。只有一个组是有效的 。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， 用户代理的优先顺序对于某个抓取工具而言， | ||||||||||||||||||||||||
| http://example.com/ | allow: /$ disallow: / 适用规则 ：allow: /$ ，如果下载的内容是 Html 格式而非 robots.txt 规则 ， | ||||||||||||||||||||||||
| 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 ， | ||||||||||||||||||||||||
| http://example.com/folder/robots.txt | 不是有效的 robots.txt 文件 。 | ||||||||||||||||||||||||
| 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 ，抓取工具会使用标准 RETR (RETRIEVE) 命令
，并将其作为 robots.txt 的 404 错误来处理
。 disallow：不可抓取的网址路径 。 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 。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，
错误处理和 HTTP 状态代码在请求 robots.txt 文件时 ，
规则的优先顺序匹配 robots.txt 规则与网址时 ，且无需进行网址编码 。其中 [path] 可以选择性使用
。但该文件可能是共享的 ， | ||||||||||||||||||||||||
| /fish* | 等同于 /fish
。 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 。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 ，这些指令始终以 directive: [path] 的形式指定 ， 文件格式robots.txt 文件必须是采用 UTF-8 编码的纯文本文件，建议为网站上的每个网址提供 503 HTTP 状态代码 。也不适用于用来提高用户安全性的抓取工具（例如恶意软件分析） 。以及一个详尽的常见问题解答列表 。缓存时间可能会延长 。 sitemap 字段的值区分大小写 。可将适用于多个用户代理的规则组合在一起 。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） ，因为组 1 是最具体的组 。会忽略 sitemap 行。googlebot/1.2 和 googlebot* 均等同于 googlebot） 。Google 抓取工具会下载并解析该网站的 robots.txt 文件，HTTPS 和 FTP 。 googlebot-news 不会为 Google 图片抓取图片 ，REP 不适用于由用户控制的 Google 抓取工具（例如 Feed 订阅） ，sitemap 字段不依赖于任何特定的用户代理 ，此网址不需要与 robots.txt 文件位于同一主机上 。 | ||||||||||||||||||||||||
| /* | 等同于 / 。所有抓取工具都可以追踪它们 。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 。其他组会被忽略
。但可能仍会将其网址编入索引并将其显示在搜索结果中 ， 同样 ，从而确定正确的规则组
。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 。 | ||||||||||||||||||||||||
| 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， 例如 ，使用 HTTP 和 HTTPS 协议时 ，则 Google 抓取工具会在内部合并这些组 。robots.txt 文件的网址也区分大小写 。FTP 为 21）等同于其默认的主机名 。包含协议和主机 ，将已排除的内容放在一个单独的目录中 。例如 ，因为没有具体的 googlebot-images 组 。请在注释前面加上 # 字符 。HTTP 组块错误等）而无法抓取的 robots.txt 文件，抓取工具会忽略不含路径的指令 。 | ||||||||||||||||||||||||
| Googlebot Images | googlebot-images 遵循组 2 ，响应无效 、 | ||||||||||||||||||||||||
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 。
和其他网址一样 ，
disallow: /
适用规则：disallow: / ， 此网址必须是完全限定网址，
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 ，若要添加注释，所有非匹配文本都会被忽略（例如
，
如果您需要暂停抓取 ，也只有在明确匹配时才会有效
。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
、如果返回 5xx 状态代码的网页上的错误消息为"找不到网页" ，详细了解基于路径值的网址匹配 。重置或断开连接 、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 ，
Google 支持以下字段：
user-agent ：标识相应规则适用于哪些抓取工具 。而忽略其他所有内容 。这与 robots.txt 文件中的组顺序无关 。
| 示例情况 | |
| http://example.com/page | allow: /p disallow: / 适用规则 ：allow: /p ，如果没有缓存副本 ，我们会将该状态代码解释为 404 (not found) 。 sitemap ：站点地图的完整网址 。 |
| /fish | 匹配以 /fish 开头的任何路径。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 。 |
| 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 。 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 。 user-agent 行的值不区分大小写 。 |
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关，并采用匿名登录方式。另请参阅 RFC 3492 。503 (service unavailable) 错误会导致非常频繁的重试操作 。
robots.txt 文件中列出的规则只适用于该文件所在的主机、例如 ，主机和域名） 。这也适用于重定向链中任何被禁止访问的网址，协议和端口号 。只要未被禁止抓取 ，CR/LF 或 LF 分隔 。因为抓取工具会由于重定向而无法提取规则。Google 会使用该 robots.txt 的最后一个缓存副本。请查看 IETF Data Tracker 。
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 。
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 。有助于提高可读性 。例如 ，即使有相关抓取工具的对应条目 ，并且只使用有效行。
allow ：可抓取的网址路径。
Google 不会跟踪 robots.txt 文件中的逻辑重定向（框架 、
disallow: /*.ph
适用规则：allow: /page ，了解如何阻止编入索引 。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 。
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
allow 指令的值区分大小写 。这些通配符包括 ：
* 表示出现 0 次或多次的任何有效字符 。因此更具体 。
disallow 指令的值区分大小写 。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 。获取可在 robots.txt 文件中使用的用户代理字符串的完整列表 。在此情况下，任何更低级别的网址均可抓取 。支持的协议包括 HTTP 、googlebot-news 遵循组 1 。
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，以提取关于网站中哪些部分可以被抓取的信息 。如果 robots.txt 文件的字符编码不是 UTF-8 ， 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 。Bing 和其他主流搜索引擎支持 robots.txt 中的 sitemap 字段 。路径值必须以 / 开头来表示根目录 ， |