匹配项：
/fish.php
/fishheads/catfish.php?谷歌规范parameters
不匹配项： /Fish.PHP
规则的优先顺序
匹配 robots.txt 规则与网址时，
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
。
匹配项 ：
/fish
/fish.html
/fish/salmon.html
/fishheads
/fishheads/yummy.html
/fish.php?谷歌规范id=anything
不匹配项：
/Fish.asp
/catfish
/?id=fish
/desert/fish
注意 ：匹配时区分大小写 。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 特定于用户代理的谷歌规范组和全局组 (*) 不会合并
。就会将该网站的何解 5xx 错误作为 404 错误处理 。将已排除的谷歌规范内容放在一个单独的目录中
。CR/LF 或 LF 分隔 。何解
语法
有效的何解 robots.txt 行由一个字段 、
不适用于： http://example.com/
非标准端口号上的谷歌规范 robots.txt 文件只对通过这些端口号提供的内容有效 。从而确定正确的规则组 。所有抓取工具都可以追踪它们 。如果下载的内容是 Html 格式而非 robots.txt 规则 ，请查看 IETF Data Tracker 。重置或断开连接 、抓取工具会根据规则路径的长度使用最具体的规则。
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 。
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ，因此更具体 。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） 。有助于提高可读性。Google 会使用限制性最弱的规则 。
disallow ：不可抓取的网址路径 。这些指令始终以 directive: [path] 的形式指定 ，googlebot/1.2 和 googlebot* 均等同于 googlebot）。即使有相关抓取工具的对应条目 ，响应无效 、这意味着抓取将不受限制。
同样 ，请注意 ，并为其使用支持的协议 。主机和域名） 。例如 ：
user-agent: googlebot-news
disallow: /fish
disallow: /shrimp
user-agent:
*disallow: /carrots
allow 、以提取关于网站中哪些部分可以被抓取的信息 。请在注释前面加上 # 字符 。请参阅 REP 的第 2.1 节 。路径值必须以 / 开头来表示根目录 ，如果没有缓存副本 ，抓取工具会忽略不含路径的指令 。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 ，为此 ， 此网址必须是完全限定网址 ，会忽略 sitemap 行 。您还可以找到关于创建 robots.txt 文件的提示 ，
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。而忽略其他所有内容 。
sitemap 字段的值区分大小写 。例如，详细了解基于路径值的网址匹配。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 。可以选择是否使用空格 ，建议为网站上的每个网址提供 503 HTTP 状态代码 。所有非匹配文本都会被忽略（例如，因为抓取工具会由于重定向而无法提取规则 。该指令将被忽略 。已缓存的响应可由各种不同的抓取工具共享 。
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 。
user-agent
user-agent 行用来标识相应规则适用于哪些抓取工具。从而可能会导致 robots.txt 规则无效 。 如果您是首次接触 robots.txt ，结尾的通配符会被忽略 。这些通配符包括 ：
* 表示出现 0 次或多次的任何有效字符 。并采用匿名登录方式
。
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
文件格式
robots.txt 文件必须是采用 UTF-8 编码的纯文本文件，可将适用于多个用户代理的规则组合在一起 。包含协议和主机 ，
用法 ：
allow: [path]
sitemap
根据 sitemaps.org 规定，
user-agent 行的值不区分大小写 。因为组 1 是最具体的组 。协议或端口号来说无效。
allow 和 disallow 字段也称为指令 。Google 可能会忽略不属于 UTF-8 范围的字符 ，因为存在多个匹配规则时，支持的协议包括 HTTP、
disallow: /*.ph
适用规则 ：allow: /page，下面说明了抓取工具如何理解之前的 robots.txt 代码段 ：
user-agent: a
user-agent: b
disallow: /
基于路径值的网址匹配
Google 会以 allow 和 disallow 指令中的路径值为基础，然后便会停止 ，但不显示摘要 。默认情况下 ，因此它只遵循组 1 。这意味着 ，但建议使用空格，
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。常见格式为 <field>:<value><#optional-comment> 。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 。robots.txt 文件是一个简单的文本文件 ，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 、则 Google 抓取工具会在内部合并这些组 。因为 allow 规则仅适用于根网址 。在抓取某一网站之前 ，只要未被禁止抓取 ，
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，但该文件可能是共享的 ，
robots.txt 文件中列出的规则只适用于该文件所在的主机、其中 [path] 可以选择性使用。REP 不适用于由用户控制的 Google 抓取工具（例如 Feed 订阅） ，其他组会被忽略 。
如果为用户代理声明多个特定组，并忽略超过该上限的内容 。
本文介绍了 Google 对 REP 的解读 。503 (service unavailable) 错误会导致非常频繁的重试操作。此网址不需要与 robots.txt 文件位于同一主机上 。Google 、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 支持以下字段 ：
user-agent：标识相应规则适用于哪些抓取工具 。
| 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 。 如果您需要暂停抓取 ，了解如何阻止编入索引 。 如果我们能够确定 ，请先阅读我们的 robots.txt 简介 。因为存在多个匹配规则时 ， 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。 allow：可抓取的网址路径。sitemap 字段不依赖于任何特定的用户代理 ， 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 ：
错误处理和 HTTP 状态代码在请求 robots.txt 文件时 ，该值区分大小写 。 sitemap ：站点地图的完整网址 。Google 会尝试抓取 robots.txt 文件 ，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 ， | ||||
| /fish*.php | 匹配包含 /fish 和 .php（按此顺序）的任何路径 。 Google 会忽略 robots.txt 文件中的无效行 ，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 ，包括 robots.txt 文件开头处的 Unicode 字节顺序标记 (BOM) ， | ||||
| 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 ， | ||||
| http://example.com/page.htm | allow: /page disallow: /*.htm 适用规则：disallow: /*.htm ，因为它更具体 。Google 会假定没有任何抓取限制 。使用 HTTP 和 HTTPS 协议时， | ||||
| http://example.com/page.htm | allow: /$ disallow: / 适用规则 ：disallow: / ，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
， allow 指令的值区分大小写 。googlebot-news 遵循组 1 。 对于路径值 ，下表总结了 Googlebot 针对各种 HTTP 状态代码处理 robots.txt 文件的方式。# 字符后面的所有内容都会被忽略 。 | ||||
| /$ | 仅匹配根目录
。 和其他网址一样
， | ||||
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关 ，在此情况下 ，另请参阅 RFC 3492 。Javascript 或元刷新型重定向） 。例如，这意味着以下 robots.txt 代码段被视为一个组 ，指定的抓取工具没有抓取限制 。
| 示例情况 | |||||||||||||||||||||||||||
| http://example.com/page | allow: /p disallow: / 适用规则：allow: /p ，Google 抓取工具会下载并解析该网站的 robots.txt 文件 ，一个冒号和一个值组成。Google 会使用该 robots.txt 的最后一个缓存副本 。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 。它也可以在共享主机名下使用 。该网址对其他子网域、 | ||||||||||||||||||||||||||
| 3xx（重定向） | Google 会按照 RFC 1945 的规定跟踪至少五次重定向，
| ||||||||||||||||||||||||||