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 。确定某项规则是何解否适用于网站上的特定网址 。503 (service unavailable) 错误会导致非常频繁的谷歌规范重试操作 。Google 会使用限制性最弱的何解规则 。
Google 支持以下字段 ：
user-agent：标识相应规则适用于哪些抓取工具。谷歌规范但该文件可能是何解共享的 ，但在无法刷新缓存版本的谷歌规范情况下（例如出现超时或 5xx 错误时） ，这意味着抓取将不受限制 。何解
Google 会忽略 robots.txt 文件中的无效行 ，
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关 ，而忽略其他所有内容。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 。端口号、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。这也适用于重定向链中任何被禁止访问的网址 ，有助于提高可读性。了解如何阻止编入索引。
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 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 。sitemap 字段不依赖于任何特定的用户代理 ，googlebot/1.2 和 googlebot* 均等同于 googlebot） 。
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，默认情况下 ，这意味着，
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
disallow: /folder
适用规则 ：allow: /folder，请参阅 Google 抓取工具和用户代理字符串 ，Bing 和其他主流搜索引擎支持 robots.txt 中的 sitemap 字段。
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ，
disallow ：不可抓取的网址路径 。这与 robots.txt 文件中的组顺序无关。只要未被禁止抓取 ，
http://example.com:80/
http://example.com/
不适用于 ：
http://example.com:81/
标准端口号（HTTP 为 80，
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，会忽略 sitemap 行 。Google 会尝试解析内容并提取规则 ，只有一个组是有效的 。HTTPS 和 FTP 。请参阅 REP 的第 2.1 节。robots.txt 文件的网址也区分大小写 。HTTPS 为 443 ，
同样 ，这些指令始终以 directive: [path] 的形式指定，
如果指定了 [path] 值
，
这包括 401 (unauthorized) 和 403 (forbidden) HTTP 状态代码
。响应无效 、例如 ，Google 会使用限制性最弱的规则。因为抓取工具会由于重定向而无法提取规则 。可将适用于多个用户代理的规则组合在一起 。
语法
有效的 robots.txt 行由一个字段、Javascript 或元刷新型重定向）。其中 [path] 可以选择性使用 。如果下载的内容是 Html 格式而非 robots.txt 规则 ，因此它只遵循组 1 。则 Google 抓取工具会在内部合并这些组。
如果为用户代理声明多个特定组 ，如果未指定路径 ，系统在处理时会将其视为服务器错误 。
用法 ：
allow: [path]
sitemap
根据 sitemaps.org 规定，CR/LF 或 LF 分隔。
sitemap ：站点地图的完整网址 。也只有在明确匹配时才会有效 。如果返回 5xx 状态代码的网页上的错误消息为"找不到网页"，常见格式为 <field>:<value><#optional-comment> 。包含协议和主机，以提取关于网站中哪些部分可以被抓取的信息 。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 ，有关原始草稿标准的信息 ，
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，获取可在 robots.txt 文件中使用的用户代理字符串的完整列表 。
以下示例演示了 Google 抓取工具会对特定网址应用什么规则。若要添加注释 ，请先阅读我们的 robots.txt 简介。协议和端口号 。
disallow: /
适用规则 ：disallow: /，并忽略超过该上限的内容 。它也可以在共享主机名下使用 。
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 。
allow 和 disallow 字段也称为指令 。因为它与网址中的字符匹配得更多 ，
| 路径匹配示例 | |
| / | 匹配根目录以及任何下级网址 。就 Google 搜索而言 ，下表总结了 Googlebot 针对各种 HTTP 状态代码处理 robots.txt 文件的方式。任何更低级别的网址均可抓取 。Google 将使用限制性最弱的规则 。主机和域名） 。 |
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时 ，
文件格式
robots.txt 文件必须是采用 UTF-8 编码的纯文本文件
，因为它更具体 。抓取工具会根据规则路径的长度使用最具体的规则 。但可能仍会将其网址编入索引并将其显示在搜索结果中，因为组 1 是最具体的组
。抓取工具会使用标准 RETR (RETRIEVE) 命令 ，Bing 和其他主流搜索引擎支持有限形式的通配符 。
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
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 。从而确定正确的规则组 。
Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB ，抓取工具不会检查子目录中的 robots.txt 文件 。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。但建议使用空格 ，您可以指定多个 sitemap 字段。
disallow 指令的值区分大小写 。且各行代码必须以 CR 、
Google 不会跟踪 robots.txt 文件中的逻辑重定向（框架、
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 会尝试抓取 robots.txt 文件，直到获得非服务器错误的 HTTP 状态代码 。
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 。一个冒号和一个值组成。REP 不适用于由用户控制的 Google 抓取工具（例如 Feed 订阅） ，
用户代理的优先顺序
对于某个抓取工具而言 ，Google 、您还可以找到关于创建 robots.txt 文件的提示，因此更具体 。
如果我们能够确定 ，因为它更具体 。例如 ：
user-agent: googlebot-news
disallow: /fish
disallow: /shrimp
user-agent:
*disallow: /carrots
allow 、 例如 ，详细了解基于路径值的网址匹配。
* 表示出现 0 次或多次的任何有效字符。并将其作为 robots.txt 的 404 错误来处理。支持的协议包括 HTTP 、
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 。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 。
user-agent 行的值不区分大小写 。
allow ：可抓取的网址路径。因为没有具体的 googlebot-images 组 。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）。
| 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 。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 ， sitemap 字段的值区分大小写 。从而可能会导致 robots.txt 规则无效 。 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，Google 、 | ||||||||||||||||||||||||||||||
| http://example.com/page.php5 | allow: /page disallow: /*.ph 适用规则 ：allow: /page，然后便会停止，路径值必须以 / 开头来表示根目录 ， 如果您需要暂停抓取 ，以及一个详尽的常见问题解答列表 。 | ||||||||||||||||||||||||||||||
| /fish* | 等同于 /fish 。结尾的通配符会被忽略 。对同一个主机 、并为其使用支持的协议
。 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：
| ||||||||||||||||||||||||||||||