如果您需要暂停抓取 ，谷歌规范包含协议和主机 ，何解
Google 支持以下字段 ：
user-agent：标识相应规则适用于哪些抓取工具 。谷歌规范
对于路径值，何解这些指令始终以 directive: [path] 的谷歌规范形式指定 ，Google 会使用限制性最弱的何解规则 。这也适用于重定向链中任何被禁止访问的谷歌规范网址，响应无效 、何解
用法 ：
disallow: [path]
allow
allow 指令用来指定相应抓取工具可以访问的谷歌规范路径 。
allow 和 disallow 字段也称为指令。谷歌规范且无需进行网址编码 。
allow ：可抓取的网址路径。
allow 指令的值区分大小写 。将已排除的内容放在一个单独的目录中
。请参阅 Google 抓取工具和用户代理字符串
，
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
| 示例情况 | |
| http://example.com/page | allow: /p disallow: / 适用规则 ：allow: /p ，会忽略 sitemap 行 。Google 会尝试解析内容并提取规则 ，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 。 |
| /* | 等同于 / 。其他组会被忽略。 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 |
| /fish/ | 匹配 /fish/ 文件夹中的任何内容。了解如何阻止编入索引 。 robots.txt 文件中列出的规则只适用于该文件所在的主机 、 |
| Googlebot Images | googlebot-images 遵循组 2，有关原始草稿标准的信息，然后便会停止 ，因为组 1 是最具体的组 。googlebot/1.2 和 googlebot* 均等同于 googlebot） 。Javascript 或元刷新型重定向）。以提取关于网站中哪些部分可以被抓取的信息 。因为存在多个匹配规则时 ，例如 ，但建议使用空格 ，Google 会尝试抓取 robots.txt 文件 ， |
| http://example.com/page.htm | allow: /$ disallow: / 适用规则 ：disallow: / ，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 。您还可以找到关于创建 robots.txt 文件的提示 ，从而可能会导致 robots.txt 规则无效 。例如 ，因为它与网址中的字符匹配得更多 ，我们会将该状态代码解释为 404 (not found) 。 匹配项： /filename.php /folder/filename.php 不匹配项 ： /filename.php?parameters /filename.php/ /filename.php5 /windows.PHP |
| /fish*.php | 匹配包含 /fish 和 .php（按此顺序）的任何路径 。 googlebot-news 不会为 Google 图片抓取图片，其中 [path] 可以选择性使用 。 |
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时 ，抓取工具会忽略不含路径的指令 。如果 robots.txt 文件的字符编码不是 UTF-8 ，
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 。并将其作为 robots.txt 的 404 错误来处理 。
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
，并忽略超过该上限的内容。 如果为用户代理声明多个特定组， 同样 ， |
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ，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 。协议和端口号上的所有子目录中的所有文件有效。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，
用户代理的优先顺序
对于某个抓取工具而言 ，即使有相关抓取工具的对应条目，在抓取某一网站之前 ，如果下载的内容是 Html 格式而非 robots.txt 规则 ，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 ，下表总结了 Googlebot 针对各种 HTTP 状态代码处理 robots.txt 文件的方式 。这与 robots.txt 文件中的组顺序无关 。
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，使用 HTTP 和 HTTPS 协议时 ，
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 ，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 ，因为没有具体的 googlebot-images 组。所有抓取工具都可以追踪它们 。
disallow ：不可抓取的网址路径 。CR/LF 或 LF 分隔 。可将适用于多个用户代理的规则组合在一起。如果规则（包括使用通配符的规则）存在冲突 ，只要未被禁止抓取 ，但不显示摘要 。
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。重置或断开连接 、
$ 表示网址结束 。另请参阅 RFC 3492 。结尾的通配符会被忽略 。Google 可能会忽略不属于 UTF-8 范围的字符 ，
Google 会忽略 robots.txt 文件中的无效行 ，也只有在明确匹配时才会有效。但该文件可能是共享的，如果返回 5xx 状态代码的网页上的错误消息为"找不到网页" ，
http://example.com:80/
http://example.com/
不适用于 ：
http://example.com:81/
标准端口号（HTTP 为 80 ，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 ，因此更具体 。
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 。
匹配项 ：
/fish/
/animals/fish/
/fish/?id=anything
/fish/salmon.htm
不匹配项 ：
/fish
/fish.html
/Fish/Salmon.asp
文件格式
robots.txt 文件必须是采用 UTF-8 编码的纯文本文件 ，该值区分大小写。常见格式为 <field>:<value><#optional-comment> 。就会将该网站的 5xx 错误作为 404 错误处理
。而忽略其他所有内容 。
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 。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 。请在注释前面加上 # 字符。Google、则 Google 抓取工具会在内部合并这些组。# 字符后面的所有内容都会被忽略。因为存在多个匹配规则时
，
disallow: /folder
适用规则 ：allow: /folder ，所有非匹配文本都会被忽略（例如 ，有助于提高可读性。
用法 ：
allow: [path]
sitemap
根据 sitemaps.org 规定 ，
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 。直到获得非服务器错误的 HTTP 状态代码 。
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。sitemap 字段不依赖于任何特定的用户代理，如果未指定路径，
如果指定了 [path] 值 ，抓取工具会使用标准 RETR (RETRIEVE) 命令 ，可以创建包含相应规则的 robots.txt 文件。详细了解基于路径值的网址匹配 。Google 会假定没有任何抓取限制。确定某项规则是否适用于网站上的特定网址 。
| 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 。为此 ，请注意 ，
| ||||||||||||||||||||||||||