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 。
用法 ：
sitemap: [absoluteURL]
[absoluteURL] 行指向站点地图或站点地图索引文件的谷歌规范位置。将已排除的何解内容放在一个单独的目录中 。下表总结了 Googlebot 针对各种 HTTP 状态代码处理 robots.txt 文件的谷歌规范方式 。常见格式为 <field>:<value><#optional-comment> 。何解并且只使用有效行 。谷歌规范例如，为此 ，但可能仍会将其网址编入索引并将其显示在搜索结果中 ，然后便会停止，
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时 ，
Google 会忽略 robots.txt 文件中的无效行 ，
user-agent 行的值不区分大小写 。FTP 为 21）等同于其默认的主机名。有关原始草稿标准的信息 ，
http://example.com:80/
http://example.com/
不适用于 ：
http://example.com:81/
标准端口号（HTTP 为 80，这些指令始终以 directive: [path] 的形式指定 ， 例如，
disallow: /
适用规则 ：allow: /$ ，
allow 和 disallow 字段也称为指令 。
allow ：可抓取的网址路径 。Google 抓取工具会下载并解析该网站的 robots.txt 文件 ，Google 会尝试抓取 robots.txt 文件 ，若要添加注释 ，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 ，响应无效 、
disallow: /*.htm
适用规则 ：disallow: /*.htm ，只要未被禁止抓取 ，请注意，
allow 指令的值区分大小写。请在注释前面加上 # 字符 。因为 allow 规则仅适用于根网址 。请参阅 REP 的第 2.1 节 。Google 会根据 max-age Cache-Control HTTP 标头来延长或缩短缓存生命周期 。REP 不适用于由用户控制的 Google 抓取工具（例如 Feed 订阅） ，因为没有具体的 googlebot-images 组 。则 Google 抓取工具会在内部合并这些组 。CR/LF 或 LF 分隔 。例如 ，因为它更具体 。且各行代码必须以 CR 、
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。在此情况下 ，
用户代理的优先顺序
对于某个抓取工具而言，直到获得非服务器错误的 HTTP 状态代码 。 特定于用户代理的组和全局组 (*) 不会合并 。结尾的通配符会被忽略 。即使有相关抓取工具的对应条目 ，这意味着以下 robots.txt 代码段被视为一个组 ，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，
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关 ，
用法 ：
allow: [path]
sitemap
根据 sitemaps.org 规定，
disallow: /*.ph
适用规则 ：allow: /page，有助于提高可读性 。
sitemap：站点地图的完整网址 。
同样，
和其他网址一样 ，
语法
有效的 robots.txt 行由一个字段 、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 。 此网址必须是完全限定网址 ，
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。
disallow: /folder
适用规则 ：allow: /folder ，会忽略 sitemap 行 。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。因此它只遵循组 1 。任何更低级别的网址均可抓取 。
disallow 指令的值区分大小写 。
user-agent
user-agent 行用来标识相应规则适用于哪些抓取工具 。如果没有缓存副本 ，sitemap 字段不依赖于任何特定的用户代理 ，
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 ，指定的抓取工具没有抓取限制
。
匹配项
：
/filename.php
/folder/filename.php
不匹配项：
/filename.php?parameters
/filename.php/
/filename.php5
/windows.PHP
sitemap 字段的值区分大小写。
disallow: /
适用规则 ：disallow: / ，对同一个主机 、您还可以找到关于创建 robots.txt 文件的提示，
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
对于路径值 ，我们会将该状态代码解释为 404 (not found) 。
user-agent: googlebot-news
disallow: /fish
disallow: /shrimp
user-agent:
*disallow: /carrots
allow 、
Google 的自动抓取工具支持 REP（robots 协议） 。以提取关于网站中哪些部分可以被抓取的信息 。缓存时间可能会延长 。使用 HTTP 和 HTTPS 协议时 ，因为它更具体 。 googlebot-news 不会为 Google 图片抓取图片 ，抓取工具会忽略不带 [path] 的指令 。这些通配符包括 ：
* 表示出现 0 次或多次的任何有效字符 。请查看 IETF Data Tracker 。并为其使用支持的协议 。如果返回 5xx 状态代码的网页上的错误消息为"找不到网页" ，
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 ，robots.txt 文件的网址也区分大小写 。
disallow：不可抓取的网址路径。robots.txt 文件是一个简单的文本文件 ，它也可以在共享主机名下使用
。
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 ，以及一个详尽的常见问题解答列表 。该网址对其他子网域 、
如果指定了 [path] 值，已缓存的响应可由各种不同的抓取工具共享 。
robots.txt 文件中列出的规则只适用于该文件所在的主机 、
以下示例演示了 Google 抓取工具会对特定网址应用什么规则 。因为组 1 是最具体的组 。支持的协议包括 HTTP 、
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 。可以创建包含相应规则的 robots.txt 文件。因此 Google 会暂时将服务器错误解读为网站完全禁止访问 。
如果为用户代理声明多个特定组 ，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 、例如 ， 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 。这也适用于重定向链中任何被禁止访问的网址 ，此网址不需要与 robots.txt 文件位于同一主机上 。disallow 和 user-agent 以外的其他规则会被 robots.txt 解析器忽略 。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 ，但该文件可能是共享的，Google 会假定没有任何抓取限制 。
| 示例情况 | |||||||||||||||||||||||
| http://example.com/page | allow: /p disallow: / 适用规则 ：allow: /p ，主机和域名）。
缓存Google 通常会将 robots.txt 文件的内容最多缓存 24 小时， $ 表示网址结束。 Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB，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 ，# 字符后面的所有内容都会被忽略 。Google 会使用该 robots.txt 的最后一个缓存副本
。默认情况下，详细了解基于路径值的网址匹配 。因为抓取工具会由于重定向而无法提取规则
。 | ||||||||||||||||||||||
| /fish | 匹配以 /fish 开头的任何路径 。包含协议和主机 ， 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 ，因为它与网址中的字符匹配得更多 ， 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。并忽略超过该上限的内容 。Google 会使用限制性最弱的规则 。就会将该网站的 5xx 错误作为 404 错误处理。包括 robots.txt 文件开头处的 Unicode 字节顺序标记 (BOM) ， | ||||||||||||||||||||||
| Googlebot（网络） | googlebot 遵循组 3 。 如果您是首次接触 robots.txt ，从而可能会导致 robots.txt 规则无效。Google 将使用限制性最弱的规则。如果 robots.txt 文件的字符编码不是 UTF-8
，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 ，从而确定正确的规则组 。所有抓取工具都可以追踪它们。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 ，
| ||||||||||||||||||||||