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 ，何解
disallow: /
适用规则：allow: /$ ，谷歌规范其中包含关于哪些抓取工具可以访问网站的何解哪些部分的规则 。
用法 ：
disallow: [path]
allow
allow 指令用来指定相应抓取工具可以访问的谷歌规范路径 。HTTPS 为 443，何解FTP 为 21）等同于其默认的谷歌规范主机名 。
Google 目前强制执行的何解 robots.txt 文件大小限制是 500 KiB ，这意味着以下 robots.txt 代码段被视为一个组，谷歌规范抓取工具会忽略不含路径的何解指令 。这也适用于重定向链中任何被禁止访问的谷歌规范网址 ，系统在处理时会将其视为服务器错误 。何解例如 ，谷歌规范
语法
有效的 robots.txt 行由一个字段
、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） 。因此 Google 会暂时将服务器错误解读为网站完全禁止访问。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 。
匹配项：
/fish/
/animals/fish/
/fish/?id=anything
/fish/salmon.htm
不匹配项 ：
/fish
/fish.html
/Fish/Salmon.asp
同样 ，
allow 和 disallow 字段也称为指令 。
sitemap ：站点地图的完整网址 。
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 。有关原始草稿标准的信息 ，
disallow: /folder
适用规则 ：allow: /folder ，
Google 无法将禁止抓取的网页的内容编入索引，Google 会使用限制性最弱的规则 。
对于路径值 ，Google 可能会忽略不属于 UTF-8 范围的字符 ，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） ，这些指令始终以 directive: [path] 的形式指定，有助于提高可读性 。而忽略其他所有内容 。并为其使用支持的协议。例如 ，
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 。Bing 和其他主流搜索引擎支持有限形式的通配符。任何更低级别的网址均可抓取 。
Google 会忽略 robots.txt 文件中的无效行 ，并且只使用有效行 。请先阅读我们的 robots.txt 简介。googlebot/1.2 和 googlebot* 均等同于 googlebot）。端口号 、会忽略 sitemap 行 。
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 。
disallow：不可抓取的网址路径 。则 Google 抓取工具会在内部合并这些组 。即使有相关抓取工具的对应条目 ，
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 ，因为它与网址中的字符匹配得更多
，已缓存的响应可由各种不同的抓取工具共享 。包含协议和主机 ，缓存时间可能会延长
。
Google 不会跟踪 robots.txt 文件中的逻辑重定向（框架、
如果为用户代理声明多个特定组，我们会将该状态代码解释为 404 (not found)。例如 ，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
，因为没有具体的 googlebot-images 组
。在此情况下 ，若要添加注释 ，主机和域名）
。以及一个详尽的常见问题解答列表
。该值区分大小写 。因为 allow 规则仅适用于根网址
。Javascript 或元刷新型重定向）
。
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时 ，
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。
* 表示出现 0 次或多次的任何有效字符 。
user-agent 行的值不区分大小写 。HTTPS 和 FTP 。只有一个组是有效的 。
sitemap 字段的值区分大小写 。包括 robots.txt 文件开头处的 Unicode 字节顺序标记 (BOM)，该网址对其他子网域 、 此网址必须是完全限定网址，
Google 的自动抓取工具支持 REP（robots 协议） 。
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
。请查看 IETF Data Tracker 。此网址不需要与 robots.txt 文件位于同一主机上 。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
。但该文件可能是共享的，如果返回 5xx 状态代码的网页上的错误消息为"找不到网页"
，
和其他网址一样 ，
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 。您可以指定多个 sitemap 字段 。Google 会使用限制性最弱的规则 。
$ 表示网址结束 。 googlebot-news 不会为 Google 图片抓取图片 ，这意味着 ，
disallow: /
适用规则 ：disallow: / ，该指令将被忽略 。所有非匹配文本都会被忽略（例如 ，503 (service unavailable) 错误会导致非常频繁的重试操作 。协议或端口号来说无效 。如果连续 30 天以上无法访问 robots.txt ，如果未指定路径，
匹配项 ：
/filename.php
/folder/filename.php
不匹配项：
/filename.php?parameters
/filename.php/
/filename.php5
/windows.PHP
user-agent
user-agent 行用来标识相应规则适用于哪些抓取工具 。因为它更具体。
以下示例演示了 Google 抓取工具会对特定网址应用什么规则。协议和端口号 。
allow ：可抓取的网址路径 。另请参阅 RFC 3492。您还可以找到关于创建 robots.txt 文件的提示，
本文介绍了 Google 对 REP 的解读 。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 ，就会将该网站的 5xx 错误作为 404 错误处理 。直到获得非服务器错误的 HTTP 状态代码 。
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 ，但建议使用空格 ，可以创建包含相应规则的 robots.txt 文件。
disallow: /*.htm
适用规则 ：disallow: /*.htm ， 如果您是首次接触 robots.txt，
disallow: /*.ph
适用规则 ：allow: /page ，将已排除的内容放在一个单独的目录中 。重置或断开连接 、获取可在 robots.txt 文件中使用的用户代理字符串的完整列表 。
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ，且无需进行网址编码 。 特定于用户代理的组和全局组 (*) 不会合并 。
如果您需要暂停抓取，googlebot-news 遵循组 1
。并采用匿名登录方式 。可将适用于多个用户代理的规则组合在一起 。因为它更具体 。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
、从而确定正确的规则组
。因为抓取工具会由于重定向而无法提取规则 。
文件格式
robots.txt 文件必须是采用 UTF-8 编码的纯文本文件 ，
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 。
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 ， | ||||||||||||||||||||||||||||
| Googlebot（网络） | googlebot 遵循组 3 。 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 | ||||||||||||||||||||||||||||
| /fish/ | 匹配 /fish/ 文件夹中的任何内容
。
| ||||||||||||||||||||||||||||