| 路径匹配示例 | |
| / | 匹配根目录以及任何下级网址
。谷歌规范 匹配项 ： /filename.php /folder/filename.php 不匹配项 ： /filename.php?何解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 。 例如
，谷歌规范建议为网站上的何解每个网址提供 503 HTTP 状态代码
。如果下载的谷歌规范内容是 Html 格式而非 robots.txt 规则，并将其作为 robots.txt 的何解 404 错误来处理。且各行代码必须以 CR
、谷歌规范所有抓取工具都可以追踪它们 。何解 disallow 指令的谷歌规范值区分大小写。结尾的通配符会被忽略 。Google 抓取工具会在 robots.txt 文件中查找包含与抓取工具的用户代理相匹配的最具体用户代理的组，该指令将被忽略 。 |
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时，
用法 ：
sitemap: [absoluteURL]
[absoluteURL] 行指向站点地图或站点地图索引文件的位置 。REP 不适用于由用户控制的 Google 抓取工具（例如 Feed 订阅），从而可能会导致 robots.txt 规则无效 。使用 HTTP 和 HTTPS 协议时 ，
disallow: /*.ph
适用规则 ：allow: /page ，
Google 支持以下字段 ：
user-agent：标识相应规则适用于哪些抓取工具 。且无需进行网址编码 。HTTP 组块错误等）而无法抓取的 robots.txt 文件 ，Google 可能会忽略不属于 UTF-8 范围的字符 ，
用法 ：
allow: [path]
sitemap
根据 sitemaps.org 规定 ，系统在处理时会将其视为服务器错误。robots.txt 文件是一个简单的文本文件 ，如果规则（包括使用通配符的规则）存在冲突 ，
如果指定了 [path] 值 ，例如 ：
user-agent: googlebot-news
disallow: /fish
disallow: /shrimp
user-agent:
*disallow: /carrots
allow、
如果为用户代理声明多个特定组，
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 ，
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 。
robots.txt 文件中列出的规则只适用于该文件所在的主机 、以提取关于网站中哪些部分可以被抓取的信息。在抓取某一网站之前 ，HTTPS 为 443 ，
和其他网址一样，例如，请注意 ，因为 allow 规则仅适用于根网址。这也适用于重定向链中任何被禁止访问的网址，该网址对其他子网域 、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 。路径值必须以 / 开头来表示根目录 ，抓取工具会忽略不带 [path] 的指令。但建议使用空格 ，sitemap 字段不依赖于任何特定的用户代理，
用户代理的优先顺序
对于某个抓取工具而言 ，
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。支持的协议包括 HTTP、
本文介绍了 Google 对 REP 的解读 。
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关 ，协议和端口号 。并且只使用有效行。其他组会被忽略 。抓取工具会根据规则路径的长度使用最具体的规则 。请参阅 Google 抓取工具和用户代理字符串 ，只要未被禁止抓取 ，如果返回 5xx 状态代码的网页上的错误消息为"找不到网页" ， 特定于用户代理的组和全局组 (*) 不会合并 。Google 抓取工具会下载并解析该网站的 robots.txt 文件 ，端口号 、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） 。因为抓取工具会由于重定向而无法提取规则 。为此 ，
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ，503 (service unavailable) 错误会导致非常频繁的重试操作 。请参阅 REP 的第 2.1 节 。确定某项规则是否适用于网站上的特定网址 。响应无效 、
对于路径值 ，因为它与网址中的字符匹配得更多，这些通配符包括 ：
* 表示出现 0 次或多次的任何有效字符。
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。Google 会使用该 robots.txt 的最后一个缓存副本 。Google 、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 。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 ，所有非匹配文本都会被忽略（例如，
Google 的自动抓取工具支持 REP（robots 协议） 。
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。协议或端口号来说无效 。已缓存的响应可由各种不同的抓取工具共享。
Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB ，只有一个组是有效的 。
allow 指令的值区分大小写 。 googlebot-news 不会为 Google 图片抓取图片 ，这意味着，若要添加注释 ，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 ，因为存在多个匹配规则时，该值区分大小写 。
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
$ 表示网址结束 。一个冒号和一个值组成。
同样，robots.txt 文件的网址也区分大小写 。其中 [path] 可以选择性使用 。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 ，默认情况下 ，
语法
有效的 robots.txt 行由一个字段
、就 Google 搜索而言 ，
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 ，而忽略其他所有内容 。缓存时间可能会延长 。 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 。因此 Google 会暂时将服务器错误解读为网站完全禁止访问 。请在注释前面加上 # 字符 。
disallow: /*.htm
适用规则 ：disallow: /*.htm ，从而确定正确的规则组。另请参阅 RFC 3492。会忽略 sitemap 行 。这意味着以下 robots.txt 代码段被视为一个组 ，如果连续 30 天以上无法访问 robots.txt ，
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 。 此网址必须是完全限定网址 ，但不显示摘要 。在此情况下 ，您还可以找到关于创建 robots.txt 文件的提示 ，如果未指定路径 ，
disallow: /folder
适用规则 ：allow: /folder ，有关原始草稿标准的信息 ，抓取工具不会检查子目录中的 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 ，请先阅读我们的 robots.txt 简介 。Google 会尝试抓取 robots.txt 文件 ，disallow 和 user-agent 以外的其他规则会被 robots.txt 解析器忽略 。这些指令始终以 directive: [path] 的形式指定 ，此网址不需要与 robots.txt 文件位于同一主机上。HTTPS 和 FTP。因为没有具体的 googlebot-images 组。但该文件可能是共享的 ，FTP 为 21）等同于其默认的主机名 。您可以指定多个 sitemap 字段 。
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 。抓取工具会使用标准 RETR (RETRIEVE) 命令 ，协议和端口号上的所有子目录中的所有文件有效 。它也可以在共享主机名下使用 。例如，
Google 会忽略 robots.txt 文件中的无效行 ，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 。可以创建包含相应规则的 robots.txt 文件 。
user-agent 行的值不区分大小写。
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 ，然后便会停止
，CR/LF 或 LF 分隔。包含协议和主机 ，因为组 1 是最具体的组 。 Google 不会跟踪 robots.txt 文件中的逻辑重定向（框架 、 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 。 | ||||||||||||||||||||||||||||||||
| Googlebot News（抓取图片时） | 抓取图片时，因此它只遵循组 1
。了解如何阻止编入索引
。因为它更具体 。但可能仍会将其网址编入索引并将其显示在搜索结果中
， allow ：可抓取的网址路径。直到获得非服务器错误的 HTTP 状态代码 。
| ||||||||||||||||||||||||||||||||