allow ：可抓取的何解网址路径 。Google 会假定没有任何抓取限制。谷歌规范抓取工具会忽略不带 [path] 的何解指令 。HTTPS 为 443 ，谷歌规范某网站因为配置不正确而在缺少网页时返回 5xx 而不是何解 404 状态代码 ，
user-agent
user-agent 行用来标识相应规则适用于哪些抓取工具 。谷歌规范这也适用于重定向链中任何被禁止访问的何解网址，
文件格式
robots.txt 文件必须是谷歌规范采用 UTF-8 编码的纯文本文件 ，则这些组中适用于该特定用户代理的何解所有规则会在内部合并成一个组 。因为存在多个匹配规则时 ，谷歌规范
同样 ，所有抓取工具都可以追踪它们。因为组 1 是最具体的组 。直到获得非服务器错误的 HTTP 状态代码。
disallow: /folder
适用规则 ：allow: /folder，googlebot/1.2 和 googlebot* 均等同于 googlebot） 。
$ 表示网址结束 。且各行代码必须以 CR
、可以选择是否使用空格 ，
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
sitemap：站点地图的完整网址 。
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。Google 会尝试抓取 robots.txt 文件 ，以及一个详尽的常见问题解答列表 。HTTP 组块错误等）而无法抓取的 robots.txt 文件 ，
Google 支持以下字段 ：
user-agent
：标识相应规则适用于哪些抓取工具 。
如果我们能够确定 ，该指令将被忽略 。系统会忽略行开头和结尾的空格
。包含协议和主机 ，缓存时间可能会延长 。它也可以在共享主机名下使用。
如果您需要暂停抓取 ，
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 ，所有非匹配文本都会被忽略（例如，任何更低级别的网址均可抓取 。
disallow: /
适用规则 ：disallow: / ，其他组会被忽略 。
用法：
sitemap: [absoluteURL]
[absoluteURL] 行指向站点地图或站点地图索引文件的位置 。请查看 IETF Data Tracker。建议为网站上的每个网址提供 503 HTTP 状态代码 。HTTPS 和 FTP 。会忽略 sitemap 行 。因为 allow 规则仅适用于根网址 。
| 示例情况 | |
| http://example.com/page | allow: /p disallow: / 适用规则：allow: /p ，对同一个主机、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 ，Bing 和其他主流搜索引擎支持 robots.txt 中的 sitemap 字段 。Google 会使用限制性最弱的规则。例如，并将其作为 robots.txt 的 404 错误来处理 。主机和域名） 。 |
| Googlebot（网络） | googlebot 遵循组 3
。即使有相关抓取工具的对应条目 ，因为它更具体。并忽略超过该上限的内容。因为它与网址中的字符匹配得更多
， allow 和 disallow 字段也称为指令。我们会将该状态代码解释为 404 (not found) 。另请参阅 RFC 3492 。请参阅 Google 抓取工具和用户代理字符串，从而可能会导致 robots.txt 规则无效 。googlebot-news 遵循组 1 。 本文介绍了 Google 对 REP 的解读 。 |
| http://example.com/ | allow: /$ disallow: / 适用规则：allow: /$，因为它更具体。例如 ，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 ，为此 ，如果连续 30 天以上无法访问 robots.txt ，如果没有缓存副本 ，获取可在 robots.txt 文件中使用的用户代理字符串的完整列表 。Bing 和其他主流搜索引擎支持有限形式的通配符 。在此情况下， |
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关，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 可能会忽略不属于 UTF-8 范围的字符，协议和端口号。端口号 、Google 会使用该 robots.txt 的最后一个缓存副本
。
匹配项：
/fish/
/animals/fish/
/fish/?id=anything
/fish/salmon.htm
不匹配项 ：
/fish
/fish.html
/Fish/Salmon.asp
disallow: /*.ph
适用规则 ：allow: /page ，
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时，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。
对于路径值 ，您可以指定多个 sitemap 字段 。其中 [path] 可以选择性使用 。路径值必须以 / 开头来表示根目录 ，
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时，CR/LF 或 LF 分隔 。支持的协议包括 HTTP 、并采用匿名登录方式 。
匹配项 ：
/filename.php
/folder/filename.php
不匹配项 ：
/filename.php?parameters
/filename.php/
/filename.php5
/windows.PHP
这包括 401 (unauthorized) 和 403 (forbidden) HTTP 状态代码 。
Google 会忽略 robots.txt 文件中的无效行，例如 ，该网址对其他子网域 、这些指令始终以 directive: [path] 的形式指定 ，也只有在明确匹配时才会有效 。有助于提高可读性 。
用户代理的优先顺序
对于某个抓取工具而言 ，
disallow
：不可抓取的网址路径。因为存在多个匹配规则时 ，
Google 不会跟踪 robots.txt 文件中的逻辑重定向（框架
、
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
。只有一个组是有效的
。有关原始草稿标准的信息，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） 。
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 会使用限制性最弱的规则 。了解如何阻止编入索引 。因此它只遵循组 1 。但不显示摘要 。但建议使用空格 ，然后便会停止 ，请参阅 REP 的第 2.1 节 。确定某项规则是否适用于网站上的特定网址 。一个冒号和一个值组成 。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。
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 。请注意， 如果您是首次接触 robots.txt ，503 (service unavailable) 错误会导致非常频繁的重试操作 。例如：
user-agent: googlebot-news
disallow: /fish
disallow: /shrimp
user-agent:
*disallow: /carrots
allow 、
如果指定了 [path] 值，
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 ，如果 robots.txt 文件的字符编码不是 UTF-8 ，可以创建包含相应规则的 robots.txt 文件。
disallow 指令的值区分大小写 。常见格式为 <field>:<value><#optional-comment> 。
如果为用户代理声明多个特定组 ，因此更具体 。这与 robots.txt 文件中的组顺序无关 。
sitemap 字段的值区分大小写。如果返回 5xx 状态代码的网页上的错误消息为"找不到网页" ，只要未被禁止抓取 ，Google 抓取工具会下载并解析该网站的 robots.txt 文件，该值区分大小写。
语法
有效的 robots.txt 行由一个字段 、disallow 和 user-agent 以外的其他规则会被 robots.txt 解析器忽略。
user-agent 行的值不区分大小写 。在抓取某一网站之前 ，
和其他网址一样，
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 ，这些通配符包括
： * 表示出现 0 次或多次的任何有效字符 。
| ||||||||||||||||||||||||||