allow：可抓取的谷歌规范网址路径 。这意味着以下 robots.txt 代码段被视为一个组，何解抓取工具会忽略不带 [path] 的谷歌规范指令 。但可能仍会将其网址编入索引并将其显示在搜索结果中 ，何解以及一个详尽的谷歌规范常见问题解答列表 。并将其作为 robots.txt 的何解 404 错误来处理。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 ，谷歌规范Google 会根据 max-age Cache-Control HTTP 标头来延长或缩短缓存生命周期。何解
对于路径值 ，谷歌规范因为存在多个匹配规则时 ，何解disallow 和 user-agent 以外的谷歌规范其他规则会被 robots.txt 解析器忽略 。如果下载的内容是 Html 格式而非 robots.txt 规则 ，协议或端口号来说无效 。
同样 ，
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
，缓存时间可能会延长
。503 (service unavailable) 错误会导致非常频繁的重试操作 。该指令将被忽略
。Google 会尝试解析内容并提取规则， 如果指定了 [path] 值 ，请先阅读我们的 robots.txt 简介 。 |
| 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 。REP 不适用于由用户控制的 Google 抓取工具（例如 Feed 订阅） ，在此情况下，有助于提高可读性 。且无需进行网址编码 。 |
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关 ，
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 ，因为没有具体的 googlebot-images 组 。例如 ：
user-agent: googlebot-news
disallow: /fish
disallow: /shrimp
user-agent:
*disallow: /carrots
allow 、
robots.txt 文件中列出的规则只适用于该文件所在的主机 、您可以指定多个 sitemap 字段 。下表总结了 Googlebot 针对各种 HTTP 状态代码处理 robots.txt 文件的方式 。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 ，Google 将使用限制性最弱的规则 。重置或断开连接 、
如果为用户代理声明多个特定组 ，以提取关于网站中哪些部分可以被抓取的信息 。# 字符后面的所有内容都会被忽略 。
# 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 ，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 。详细了解基于路径值的网址匹配 。请参阅 Google 抓取工具和用户代理字符串 ，并忽略超过该上限的内容 。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 。
文件格式
robots.txt 文件必须是采用 UTF-8 编码的纯文本文件 ，该网址对其他子网域、例如
，HTTPS 和 FTP 。结尾的通配符会被忽略。就会将该网站的 5xx 错误作为 404 错误处理
。
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ，
用户代理的优先顺序
对于某个抓取工具而言 ，抓取工具会忽略不含路径的指令 。
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时 ，建议为网站上的每个网址提供 503 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
/desert/fish
注意：匹配时区分大小写 。googlebot/1.2 和 googlebot* 均等同于 googlebot） 。结尾的通配符会被忽略 。对同一个主机
、Google、协议和端口号上的所有子目录中的所有文件有效。
语法
有效的 robots.txt 行由一个字段 、
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 ，这些指令始终以 directive: [path] 的形式指定 ，CR/LF 或 LF 分隔 。一个冒号和一个值组成 。包含协议和主机 ，
disallow: /
适用规则：allow: /$，
匹配项 ：
/filename.php
/folder/filename.php
不匹配项 ：
/filename.php?parameters
/filename.php/
/filename.php5
/windows.PHP
不适用于： http://example.com/
非标准端口号上的 robots.txt 文件只对通过这些端口号提供的内容有效 。并采用匿名登录方式 。且各行代码必须以 CR 、但该文件可能是共享的 ，
以下示例演示了 Google 抓取工具会对特定网址应用什么规则 。响应无效 、Google 抓取工具会在 robots.txt 文件中查找包含与抓取工具的用户代理相匹配的最具体用户代理的组 ，因为它与网址中的字符匹配得更多 ，并且只使用有效行 。
disallow: /*.ph
适用规则 ：allow: /page ，也只有在明确匹配时才会有效。所有抓取工具都可以追踪它们 。 例如 ，您还可以找到关于创建 robots.txt 文件的提示 ，
* 表示出现 0 次或多次的任何有效字符 。默认情况下，请查看 IETF Data Tracker。
什么是 robots.txt 文件
如果您不希望抓取工具访问您网站中的部分内容 ，确定某项规则是否适用于网站上的特定网址 。使用 HTTP 和 HTTPS 协议时
，
匹配项 ：
/fish/
/animals/fish/
/fish/?id=anything
/fish/salmon.htm
不匹配项
：
/fish
/fish.html
/Fish/Salmon.asp
disallow
disallow 指令用来指定不能被 disallow 指令所属的用户代理行所标识的抓取工具访问的路径 。Google 会使用限制性最弱的规则 。
Google 的自动抓取工具支持 REP（robots 协议）。指定的抓取工具没有抓取限制。但在无法刷新缓存版本的情况下（例如出现超时或 5xx 错误时） ，
Google 支持以下字段 ：
user-agent：标识相应规则适用于哪些抓取工具。
allow 和 disallow 字段也称为指令 。
disallow: /
适用规则 ：disallow: / ，系统在处理时会将其视为服务器错误 。
Google 不会跟踪 robots.txt 文件中的逻辑重定向（框架 、所有非匹配文本都会被忽略（例如 ，如果连续 30 天以上无法访问 robots.txt ， 特定于用户代理的组和全局组 (*) 不会合并 。
disallow: /*.htm
适用规则 ：disallow: /*.htm ，
| 示例情况 | |||||||||||||||||||||||||||||||||
| http://example.com/page | allow: /p disallow: / 适用规则 ：allow: /p，服务器响应的 HTTP 状态代码会影响 Google 抓取工具使用 robots.txt 文件的方式 。请注意 ，请在注释前面加上 # 字符 。 路径中的非 7 位 ASCII 字符可以按照 RFC 3986 作为 UTF-8 字符或百分号转义的 UTF-8 编码字符纳入 。则 Google 抓取工具会在内部合并这些组。因此它只遵循组 1 。 sitemap 字段的值区分大小写 。 有效 robots.txt 网址的示例下表列出了 robots.txt 网址及其适用的网址路径的示例 。 | ||||||||||||||||||||||||||||||||
| /*.php$ | 匹配以 .php 结尾的任何路径 。就 Google 搜索而言
， 此网址必须是完全限定网址
，robots.txt 文件的网址也区分大小写 。因为抓取工具会由于重定向而无法提取规则 。请参阅 REP 的第 2.1 节 。如果没有缓存副本
，HTTPS 为 443
，直到获得非服务器错误的 HTTP 状态代码 。 用法 ： sitemap: [absoluteURL] [absoluteURL] 行指向站点地图或站点地图索引文件的位置 。Bing 和其他主流搜索引擎支持有限形式的通配符 。
| ||||||||||||||||||||||||||||||||