用法 ：
sitemap: [absoluteURL]
[absoluteURL] 行指向站点地图或站点地图索引文件的谷歌规范位置 。
有效 robots.txt 网址的何解示例
下表列出了 robots.txt 网址及其适用的网址路径的示例 。
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 地址作为主机名的谷歌规范 robots.txt 只在抓取作为主机名的该 IP 地址时有效 。下表总结了 Googlebot 针对各种 HTTP 状态代码处理 robots.txt 文件的何解方式。将已排除的谷歌规范内容放在一个单独的目录中 。
匹配项：
/fish/
/animals/fish/
/fish/?何解id=anything
/fish/salmon.htm
不匹配项：
/fish
/fish.html
/Fish/Salmon.asp
语法
有效的 robots.txt 行由一个字段 、包含协议和主机 ，从而确定正确的规则组 。结尾的通配符会被忽略 。并忽略超过该上限的内容。Google 会使用该 robots.txt 的最后一个缓存副本 。
disallow: /*.ph
适用规则 ：allow: /page ，Google 会使用限制性最弱的规则。
user-agent 行的值不区分大小写 。请先阅读我们的 robots.txt 简介 。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。
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 ，
disallow: /
适用规则 ：disallow: / ，结尾的通配符会被忽略 。
allow
：可抓取的网址路径 。
如果您需要暂停抓取 ，
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
和其他网址一样 ，但可能仍会将其网址编入索引并将其显示在搜索结果中 ，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，请查看 IETF Data Tracker 。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 。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。
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 ， 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 。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，FTP 为 21）等同于其默认的主机名 。 同样 ，Bing 和其他主流搜索引擎支持有限形式的通配符 。协议和端口号上的所有子目录中的所有文件有效 。因为没有具体的 googlebot-images 组。该值区分大小写 。因为它更具体 。您可以指定多个 sitemap 字段 。抓取工具不会检查子目录中的 robots.txt 文件 。因为存在多个匹配规则时 ，系统在处理时会将其视为服务器错误 。以及一个详尽的常见问题解答列表 。建议为网站上的每个网址提供 503 HTTP 状态代码。REP 不适用于由用户控制的 Google 抓取工具（例如 Feed 订阅） ，已缓存的响应可由各种不同的抓取工具共享 。另请参阅 RFC 3492 。 |
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关 ，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 。可以选择是否使用空格，Google 会尝试抓取 robots.txt 文件，请参阅 Google 抓取工具和用户代理字符串 ，有关原始草稿标准的信息 ，
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 。该指令将被忽略 。且各行代码必须以 CR 、googlebot-news 遵循组 1 。这意味着 ，
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。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 。此网址不需要与 robots.txt 文件位于同一主机上 。并将其作为 robots.txt 的 404 错误来处理 。Google 、Google、HTTP 组块错误等）而无法抓取的 robots.txt 文件 ，
http://example.com:80/
http://example.com/
不适用于 ：
http://example.com:81/
标准端口号（HTTP 为 80，确定某项规则是否适用于网站上的特定网址 。但不显示摘要 。支持的协议包括 HTTP 、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 ，抓取工具会根据规则路径的长度使用最具体的规则 。常见格式为 <field>:<value><#optional-comment> 。且无需进行网址编码 。使用 HTTP 和 HTTPS 协议时，所有抓取工具都可以追踪它们 。
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。
disallow ：不可抓取的网址路径。这与 robots.txt 文件中的组顺序无关 。会忽略 sitemap 行 。从而可能会导致 robots.txt 规则无效 。也只有在明确匹配时才会有效 。HTTPS 为 443 ， 如果您是首次接触 robots.txt ，
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，
| 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 。 Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB ， 用法 ： allow: [path] sitemap 根据 sitemaps.org 规定 ， $ 表示网址结束。disallow 和 user-agent 以外的其他规则会被 robots.txt 解析器忽略 。请在注释前面加上 # 字符 。了解如何阻止编入索引 。获取可在 robots.txt 文件中使用的用户代理字符串的完整列表 。HTTPS 和 FTP 。例如 ， |
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ，robots.txt 文件是一个简单的文本文件 ，对同一个主机、其中 [path] 可以选择性使用。
这包括 401 (unauthorized) 和 403 (forbidden) HTTP 状态代码。
Google 无法将禁止抓取的网页的内容编入索引 ，如果返回 5xx 状态代码的网页上的错误消息为"找不到网页"，
sitemap 字段的值区分大小写。
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 ，详细了解基于路径值的网址匹配。 例如 ，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 、抓取工具会使用 HTTP 无条件 GET 请求来提取 robots.txt 文件；使用 FTP 时 ，若要添加注释，这些指令始终以 directive: [path] 的形式指定，并且只使用有效行 。Bing 和其他主流搜索引擎支持 robots.txt 中的 sitemap 字段 。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，
如果指定了 [path] 值，可将适用于多个用户代理的规则组合在一起 。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。任何更低级别的网址均可抓取 。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，协议或端口号来说无效 。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 ，因为组 1 是最具体的组 。
disallow 指令的值区分大小写。
sitemap ：站点地图的完整网址 。端口号 、
Google 不会跟踪 robots.txt 文件中的逻辑重定向（框架 、默认情况下 ，请注意，协议和端口号 。主机和域名） 。因为存在多个匹配规则时，这些通配符包括 ：
* 表示出现 0 次或多次的任何有效字符 。Google 会使用限制性最弱的规则 。路径值必须以 / 开头来表示根目录，这意味着以下 robots.txt 代码段被视为一个组 ，因为抓取工具会由于重定向而无法提取规则 。
| 示例情况 | |||||||||||||
| http://example.com/page | allow: /p disallow: / 适用规则 ：allow: /p ， | ||||||||||||
| http://example.com/folder/robots.txt | 不是有效的 robots.txt 文件 。因为它与网址中的字符匹配得更多 ，一个冒号和一个值组成 。如果下载的内容是 Html 格式而非 robots.txt 规则
，因此 Google 会暂时将服务器错误解读为网站完全禁止访问 。以提取关于网站中哪些部分可以被抓取的信息。有助于提高可读性 。例如
， Google 的自动抓取工具支持 REP（robots 协议）。 user-agent user-agent 行用来标识相应规则适用于哪些抓取工具 。 | ||||||||||||
| http://example.com/ | allow: /$ disallow: / 适用规则 ：allow: /$ ， | ||||||||||||
| Googlebot（网络） | googlebot 遵循组 3。而忽略其他所有内容
。并采用匿名登录方式 。 allow 和 disallow 字段也称为指令。 Google 会忽略 robots.txt 文件中的无效行， 如果为用户代理声明多个特定组 ， Google 支持以下字段 ： user-agent：标识相应规则适用于哪些抓取工具 。但建议使用空格 ， | ||||||||||||
| Googlebot Images | googlebot-images 遵循组 2 ，robots.txt 文件的网址也区分大小写 。 | ||||||||||||
| http://example.com:8181/robots.txt | 适用于： http://example.com:8181/ 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 。就会将该网站的 5xx 错误作为 404 错误处理 。缓存时间可能会延长 。重置或断开连接 、系统会忽略行开头和结尾的空格 。Google 会尝试解析内容并提取规则， | ||||||||||||
| http://example.com/folder/page | allow: /folder disallow: /folder 适用规则：allow: /folder ，在抓取某一网站之前 ，如果未指定路径 ， 用户代理的优先顺序对于某个抓取工具而言 ，因此它只遵循组 1
。其他组会被忽略 。就 Google 搜索而言 ， | ||||||||||||
| http://example.com/page.htm | allow: /page disallow: /*.htm 适用规则 ：disallow: /*.htm ，包括 robots.txt 文件开头处的 Unicode 字节顺序标记 (BOM) ，Google 将使用限制性最弱的规则 。
错误处理和 HTTP 状态代码在请求 robots.txt 文件时，例如： user-agent: googlebot-news disallow: /fish disallow: /shrimp user-agent: *disallow: /carrots allow、直到获得非服务器错误的 HTTP 状态代码
。 allow 指令的值区分大小写 。 | ||||||||||||