对于路径值 ，何解如果规则（包括使用通配符的谷歌规范规则）存在冲突 ，因此 Google 会暂时将服务器错误解读为网站完全禁止访问 。何解以提取关于网站中哪些部分可以被抓取的谷歌规范信息。即使有相关抓取工具的何解对应条目，默认情况下 ，谷歌规范
同样 ，谷歌规范为此 ，Google 可能会忽略不属于 UTF-8 范围的字符 ，
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/
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 。
如果为用户代理声明多个特定组，因为存在多个匹配规则时，一个冒号和一个值组成 。因为它更具体 。
Google 会忽略 robots.txt 文件中的无效行 ，主机和域名） 。并采用匿名登录方式 。
allow ：可抓取的网址路径 。robots.txt 文件的网址也区分大小写 。但该文件可能是共享的 ，协议和端口号 。然后便会停止，结尾的通配符会被忽略。Google 会使用限制性最弱的规则 。抓取工具会根据规则路径的长度使用最具体的规则。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，有助于提高可读性 。
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 。
sitemap 字段的值区分大小写 。缓存时间可能会延长 。确定某项规则是否适用于网站上的特定网址 。
这包括 401 (unauthorized) 和 403 (forbidden) HTTP 状态代码 。响应无效
、
disallow: /*.ph
适用规则 ：allow: /page ，disallow 和 user-agent 以外的其他规则会被 robots.txt 解析器忽略 。
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
disallow: /folder
适用规则 ：allow: /folder ，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，此网址不需要与 robots.txt 文件位于同一主机上。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 ，
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，路径值必须以 / 开头来表示根目录 ，若要添加注释 ，只要未被禁止抓取 ，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 ，Google 会根据 max-age Cache-Control HTTP 标头来延长或缩短缓存生命周期 。且各行代码必须以 CR 、这些指令始终以 directive: [path] 的形式指定 ，
allow 指令的值区分大小写 。因为它与网址中的字符匹配得更多 ，例如 ，且无需进行网址编码 。
disallow: /*.htm
适用规则 ：disallow: /*.htm ，系统会忽略行开头和结尾的空格。
Google 支持以下字段：
user-agent：标识相应规则适用于哪些抓取工具 。协议或端口号来说无效 。重置或断开连接 、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） 。
$ 表示网址结束。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 ，Google 会假定没有任何抓取限制 。只有一个组是有效的。则 Google 抓取工具会在内部合并这些组 。并将其作为 robots.txt 的 404 错误来处理 。其中 [path] 可以选择性使用。
文件格式
robots.txt 文件必须是采用 UTF-8 编码的纯文本文件 ，这与 robots.txt 文件中的组顺序无关。
disallow: /
适用规则：allow: /$ ，Google 、# 字符后面的所有内容都会被忽略 。
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 。
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 ， googlebot-news 不会为 Google 图片抓取图片 ，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）
，并忽略超过该上限的内容。
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 和 disallow 字段也称为指令 。
| 路径匹配示例 | |||||||||||||||||||||||||||||||||||||
| / | 匹配根目录以及任何下级网址 。因为 allow 规则仅适用于根网址 。HTTPS 为 443 ， | ||||||||||||||||||||||||||||||||||||
| http://www.exämple.com/robots.txt | 适用于 ： 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 Punycode 版本 。 | ||||||||||||||||||||||||||||||||||||
| /fish | 匹配以 /fish 开头的任何路径
。您可以指定多个 sitemap 字段 。FTP 为 21）等同于其默认的主机名
。因为存在多个匹配规则时 ，抓取工具会使用标准 RETR (RETRIEVE) 命令 ，Javascript 或元刷新型重定向）。 以下示例演示了 Google 抓取工具会对特定网址应用什么规则 。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 。获取可在 robots.txt 文件中使用的用户代理字符串的完整列表 。 | ||||||||||||||||||||||||||||||||||||
| Googlebot News（抓取图片时） | 抓取图片时， Google 不会跟踪 robots.txt 文件中的逻辑重定向（框架 、Bing 和其他主流搜索引擎支持 robots.txt 中的 sitemap 字段 。会忽略 sitemap 行 。了解如何阻止编入索引 。 本文介绍了 Google 对 REP 的解读 。这些通配符包括 ： * 表示出现 0 次或多次的任何有效字符。 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 ，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 。请注意 ，这也适用于重定向链中任何被禁止访问的网址 ，另请参阅 RFC 3492 。 Google 的自动抓取工具支持 REP（robots 协议） 。 | ||||||||||||||||||||||||||||||||||||
| http://example.com/folder/robots.txt | 不是有效的 robots.txt 文件 。指定的抓取工具没有抓取限制 。REP 不适用于由用户控制的 Google 抓取工具（例如 Feed 订阅） ， | ||||||||||||||||||||||||||||||||||||
| Googlebot Images | googlebot-images 遵循组 2 ，googlebot/1.2 和 googlebot* 均等同于 googlebot） 。 | ||||||||||||||||||||||||||||||||||||
| Googlebot（网络） | googlebot 遵循组 3 。可以选择是否使用空格 ，您还可以找到关于创建 robots.txt 文件的提示 ，请参阅 Google 抓取工具和用户代理字符串 ，
| ||||||||||||||||||||||||||||||||||||