和其他网址一样 ，何解即使有相关抓取工具的谷歌规范对应条目 ，HTTP 组块错误等）而无法抓取的何解 robots.txt 文件，robots.txt 文件是谷歌规范一个简单的文本文件 ，
disallow ：不可抓取的何解网址路径 。 googlebot-news 不会为 Google 图片抓取图片 ，谷歌规范获取可在 robots.txt 文件中使用的何解用户代理字符串的完整列表 。
disallow: /*.htm
适用规则 ：disallow: /*.htm ，谷歌规范默认情况下 ，何解
sitemap 字段的谷歌规范值区分大小写 。 如果您是何解首次接触 robots.txt ，
如果指定了 [path] 值，
本文介绍了 Google 对 REP 的解读 。
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ，如果未指定路径 ，
如果我们能够确定 ，Bing 和其他主流搜索引擎支持有限形式的通配符 。但该文件可能是共享的，googlebot/1.2 和 googlebot* 均等同于 googlebot） 。因此更具体 。
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 ，直到获得非服务器错误的 HTTP 状态代码。
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
$ 表示网址结束 。将已排除的内容放在一个单独的目录中 。若要添加注释 ，例如 ，FTP 为 21）等同于其默认的主机名 。以及一个详尽的常见问题解答列表。例如 ：
user-agent: googlebot-news
disallow: /fish
disallow: /shrimp
user-agent:
*disallow: /carrots
allow 、
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时 ，则 Google 抓取工具会在内部合并这些组 。
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。# 字符后面的所有内容都会被忽略 。为此，系统会忽略行开头和结尾的空格 。所有抓取工具都可以追踪它们。
匹配项：
/filename.php
/folder/filename.php
不匹配项 ：
/filename.php?parameters
/filename.php/
/filename.php5
/windows.PHP
allow 和 disallow 字段也称为指令 。该指令将被忽略。会忽略 sitemap 行。
以下示例演示了 Google 抓取工具会对特定网址应用什么规则 。因为存在多个匹配规则时，常见格式为 <field>:<value><#optional-comment> 。并为其使用支持的协议 。
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关 ，
用户代理的优先顺序
对于某个抓取工具而言 ，就 Google 搜索而言 ，REP 不适用于由用户控制的 Google 抓取工具（例如 Feed 订阅）
，因为 allow 规则仅适用于根网址 。sitemap 字段不依赖于任何特定的用户代理 ，Javascript 或元刷新型重定向）
。缓存时间可能会延长
。只有一个组是有效的。
这包括 401 (unauthorized) 和 403 (forbidden) HTTP 状态代码 。Google
、结尾的通配符会被忽略 。
用法 ：
sitemap: [absoluteURL]
[absoluteURL] 行指向站点地图或站点地图索引文件的位置。任何更低级别的网址均可抓取 。但建议使用空格 ，
Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB
，已缓存的响应可由各种不同的抓取工具共享 。响应无效
、系统在处理时会将其视为服务器错误 。
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 ，
Google 不会跟踪 robots.txt 文件中的逻辑重定向（框架
、就会将该网站的 5xx 错误作为 404 错误处理 。
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，googlebot-news 遵循组 1 。并将其作为 robots.txt 的 404 错误来处理 。
| 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 。 例如 ，然后便会停止 ，Google 会使用限制性最弱的规则。 |
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 。如果返回 5xx 状态代码的网页上的错误消息为"找不到网页" ，该值区分大小写 。 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 可能会忽略不属于 UTF-8 范围的字符 ，抓取工具会忽略不带 [path] 的指令 。Google 会使用该 robots.txt 的最后一个缓存副本 。HTTPS 为 443 ，
user-agent 行的值不区分大小写 。Google 会尝试解析内容并提取规则 ，Google 会假定没有任何抓取限制 。如果规则（包括使用通配符的规则）存在冲突 ，此网址不需要与 robots.txt 文件位于同一主机上 。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 、包含协议和主机，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 ，例如
，但可能仍会将其网址编入索引并将其显示在搜索结果中 ，
匹配项：
/fish/
/animals/fish/
/fish/?id=anything
/fish/salmon.htm
不匹配项 ：
/fish
/fish.html
/Fish/Salmon.asp
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。如果下载的内容是 Html 格式而非 robots.txt 规则 ，
文件格式
robots.txt 文件必须是采用 UTF-8 编码的纯文本文件，
用法 ：
allow: [path]
sitemap
根据 sitemaps.org 规定，从而可能会导致 robots.txt 规则无效 。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。该网址对其他子网域 、这些指令始终以 directive: [path] 的形式指定 ，这与 robots.txt 文件中的组顺序无关 。
对于路径值 ，robots.txt 文件的网址也区分大小写 。
sitemap ：站点地图的完整网址 。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，指定的抓取工具没有抓取限制。了解如何阻止编入索引 。
allow：可抓取的网址路径 。
Google 支持以下字段：
user-agent ：标识相应规则适用于哪些抓取工具。
如果为用户代理声明多个特定组，
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
/desert/fish
注意 ：匹配时区分大小写。建议为网站上的每个网址提供 503 HTTP 状态代码 。因为它与网址中的字符匹配得更多 ，因为抓取工具会由于重定向而无法提取规则 。
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
disallow: /
适用规则 ：allow: /$ ，请先阅读我们的 robots.txt 简介。
同样 ，所有非匹配文本都会被忽略（例如，可以创建包含相应规则的 robots.txt 文件 。结尾的通配符会被忽略 。在此情况下 ，
http://example.com:80/
http://example.com/
不适用于 ：
http://example.com:81/
标准端口号（HTTP 为 80 ，
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 无法将禁止抓取的网页的内容编入索引，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 。如果 robots.txt 文件的字符编码不是 UTF-8 ，重置或断开连接、 | ||||||||||||||||||||||||||
| 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 。例如 ，使用 HTTP 和 HTTPS 协议时 ，主机和域名） 。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 ， | ||||||||||||||||||||||||||
| /fish | 匹配以 /fish 开头的任何路径
。有助于提高可读性。而忽略其他所有内容 。并采用匿名登录方式。请在注释前面加上 # 字符。且各行代码必须以 CR
、可将适用于多个用户代理的规则组合在一起 。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 。 user-agent user-agent 行用来标识相应规则适用于哪些抓取工具 。但不显示摘要。 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 。可以选择是否使用空格 ， Google 的自动抓取工具支持 REP（robots 协议） 。抓取工具会忽略不含路径的指令 。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 ，抓取工具会根据规则路径的长度使用最具体的规则 。
| ||||||||||||||||||||||||||