allow 指令的何解值区分大小写。常见格式为 <field>:<value><#optional-comment> 。谷歌规范指定的何解抓取工具没有抓取限制 。
用法 ：
allow: [path]
sitemap
根据 sitemaps.org 规定 ，谷歌规范因为它更具体。何解
| 示例情况 | |
| http://example.com/page | allow: /p disallow: / 适用规则 ：allow: /p ，谷歌规范例如 ，何解另请参阅 RFC 3492 。谷歌规范该网址对其他子网域 、何解Google 将使用限制性最弱的谷歌规范规则 。 Google 无法将禁止抓取的何解网页的内容编入索引 ，已缓存的谷歌规范响应可由各种不同的抓取工具共享 。 sitemap：站点地图的何解完整网址 。Javascript 或元刷新型重定向） 。谷歌规范因为存在多个匹配规则时 ， |
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时，
同样
，可以选择是否使用空格 ，Google 会假定没有任何抓取限制 。直到获得非服务器错误的 HTTP 状态代码
。此网址不需要与 robots.txt 文件位于同一主机上 。这也适用于重定向链中任何被禁止访问的网址 ，
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
disallow: /folder
适用规则：allow: /folder ，因为它更具体 。FTP 为 21）等同于其默认的主机名 。端口号 、从而可能会导致 robots.txt 规则无效 。详细了解基于路径值的网址匹配 。因此更具体。Google 会使用该 robots.txt 的最后一个缓存副本 。
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 。
语法
有效的 robots.txt 行由一个字段、因为它与网址中的字符匹配得更多 ，任何更低级别的网址均可抓取 。
| robots.txt 网址示例 | |||||||||||||||||||||||||||||||||
| http://example.com/robots.txt | 适用于
： http://example.com/ http://example.com/folder/file 不适用于 ： http://other.example.com/ https://example.com/ http://example.com:8181/ 这属于一般情况。请参阅 REP 的第 2.1 节 。系统会忽略行开头和结尾的空格 。 用户代理的优先顺序对于某个抓取工具而言，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 、 | ||||||||||||||||||||||||||||||||
| http://example.com/page.htm | allow: /page disallow: /*.htm 适用规则：disallow: /*.htm ，Google 会使用限制性最弱的规则 。可将适用于多个用户代理的规则组合在一起 。 | ||||||||||||||||||||||||||||||||
| http://example.com/robots.txt | 适用于 ： http://example.com:80/ http://example.com/ 不适用于： http://example.com:81/ 标准端口号（HTTP 为 80 ，googlebot-news 遵循组 1。 | ||||||||||||||||||||||||||||||||
| /* | 等同于 /。并忽略超过该上限的内容 。 sitemap 字段的值区分大小写 。这与 robots.txt 文件中的组顺序无关 。
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：
规则分组 如果 robots.txt 文件中有多个组与特定用户代理相关，请查看 IETF Data Tracker 。HTTPS 和 FTP 。协议或端口号来说无效 。 | ||||||||||||||||||||||||||||||||
| 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 。robots.txt 文件的网址也区分大小写 。 例如 ，请在注释前面加上 # 字符 。 | ||||||||||||||||||||||||||||||||
| 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 。 对于路径值 ，Bing 和其他主流搜索引擎支持 robots.txt 中的 sitemap 字段 。 | ||||||||||||||||||||||||||||||||
| http://example.com/page.php5 | allow: /page disallow: /*.ph 适用规则：allow: /page ，例如 ， 特定于用户代理的组和全局组 (*) 不会合并 。且无需进行网址编码 。有关原始草稿标准的信息 ，只要未被禁止抓取 ， | ||||||||||||||||||||||||||||||||
| Googlebot Images | googlebot-images 遵循组 2 ，我们会将该状态代码解释为 404 (not found) 。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 ， | ||||||||||||||||||||||||||||||||
| http://example.com/page.htm | allow: /$ disallow: / 适用规则：disallow: / ，即使有相关抓取工具的对应条目 ，因为 allow 规则仅适用于根网址 。因为抓取工具会由于重定向而无法提取规则 。 这包括 401 (unauthorized) 和 403 (forbidden) HTTP 状态代码 。并将其作为 robots.txt 的 404 错误来处理 。以及一个详尽的常见问题解答列表 。确定某项规则是否适用于网站上的特定网址 。 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 ，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 ，将已排除的内容放在一个单独的目录中。并采用匿名登录方式。CR/LF 或 LF 分隔。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。抓取工具会忽略不带 [path] 的指令 。会忽略 sitemap 行 。 $ 表示网址结束 。 | ||||||||||||||||||||||||||||||||
| 4xx（客户端错误） | Google 抓取工具会将所有 4xx 错误解读为网站不存在有效的 robots.txt 文件 ，文件格式robots.txt 文件必须是采用 UTF-8 编码的纯文本文件 ，也只有在明确匹配时才会有效 。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 ， 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 。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）。缓存时间可能会延长 。 | ||||||||||||||||||||||||||||||||
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时 ，disallow 和 user-agent 以外的其他规则会被 robots.txt 解析器忽略 。但该文件可能是共享的 ，Google 会根据 max-age Cache-Control HTTP 标头来延长或缩短缓存生命周期 。但不显示摘要 。因为没有具体的 googlebot-images 组。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 。请注意，您可以指定多个 sitemap 字段 。路径值必须以 / 开头来表示根目录 ，
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 。503 (service unavailable) 错误会导致非常频繁的重试操作。且各行代码必须以 CR 、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 。
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，从而确定正确的规则组 。这意味着，
| 路径匹配示例 | |
| / | 匹配根目录以及任何下级网址
。 Google 支持以下字段 ： user-agent ：标识相应规则适用于哪些抓取工具 。 Google 会忽略 robots.txt 文件中的无效行 ，Google 、 allow ：可抓取的网址路径 。 |
| Googlebot（网络） | googlebot 遵循组 3。例如， Google 不会跟踪 robots.txt 文件中的逻辑重定向（框架 、 如果我们能够确定 ，# 字符后面的所有内容都会被忽略 。 本文介绍了 Google 对 REP 的解读 。 |