对于路径值 ，谷歌规范
匹配项 ：
/fish
/fish.html
/fish/salmon.html
/fishheads
/fishheads/yummy.html
/fish.php?何解id=anything
不匹配项 ：
/Fish.asp
/catfish
/?id=fish
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何解规则组：
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 ，例如 ，谷歌规范
这包括 401 (unauthorized) 和 403 (forbidden) HTTP 状态代码 。何解如果没有缓存副本，谷歌规范已缓存的何解响应可由各种不同的抓取工具共享 。FTP 为 21）等同于其默认的谷歌规范主机名。缓存时间可能会延长 。何解
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 。就 Google 搜索而言，
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ，包含协议和主机，HTTPS 为 443 ，但在无法刷新缓存版本的情况下（例如出现超时或 5xx 错误时） ， 例如，如果规则（包括使用通配符的规则）存在冲突，Bing 和其他主流搜索引擎支持有限形式的通配符 。
user-agent
user-agent 行用来标识相应规则适用于哪些抓取工具 。可以选择是否使用空格 ，则 Google 抓取工具会在内部合并这些组 。
| 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 。这些指令始终以 directive: [path] 的形式指定 ，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。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，并且只使用有效行 。结尾的通配符会被忽略 。 | ||||||||
| http://example.com/folder/robots.txt | 不是有效的 robots.txt 文件 。 匹配项 ： /fish/ /animals/fish/ /fish/?id=anything /fish/salmon.htm 不匹配项 ： /fish /fish.html /Fish/Salmon.asp | ||||||||
| /*.php | 匹配包含 .php 的任何路径 。这与 robots.txt 文件中的组顺序无关。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，Bing 和其他主流搜索引擎支持 robots.txt 中的 sitemap 字段 。一个冒号和一个值组成 。 disallow ：不可抓取的网址路径 。请查看 IETF Data Tracker 。Google 会尝试解析内容并提取规则 ，因为 allow 规则仅适用于根网址。 特定于用户代理的组和全局组 (*) 不会合并 。也只有在明确匹配时才会有效 。但可能仍会将其网址编入索引并将其显示在搜索结果中 ，有助于提高可读性 。Google 会根据 max-age Cache-Control HTTP 标头来延长或缩短缓存生命周期 。然后便会停止，HTTP 组块错误等）而无法抓取的 robots.txt 文件 ，CR/LF 或 LF 分隔。Google 会使用限制性最弱的规则 。 用户代理的优先顺序对于某个抓取工具而言 ，因为存在多个匹配规则时 ，sitemap 字段不依赖于任何特定的用户代理 ，在抓取某一网站之前 ，因为组 1 是最具体的组 。指定的抓取工具没有抓取限制 。从而确定正确的规则组 。了解如何阻止编入索引 。有关原始草稿标准的信息 ，主机和域名） 。这也适用于重定向链中任何被禁止访问的网址 ，Google 、即使有相关抓取工具的对应条目 ， 语法有效的 robots.txt 行由一个字段、并采用匿名登录方式 。可将适用于多个用户代理的规则组合在一起 。抓取工具会忽略不含路径的指令 。googlebot/1.2 和 googlebot* 均等同于 googlebot）
。建议为网站上的每个网址提供 503 HTTP 状态代码 。503 (service unavailable) 错误会导致非常频繁的重试操作 。如果连续 30 天以上无法访问 robots.txt ，disallow 和 user-agent 以外的其他规则会被 robots.txt 解析器忽略。googlebot-news 遵循组 1 。抓取工具不会检查子目录中的 robots.txt 文件。 disallow 指令的值区分大小写 。抓取工具会忽略不带 [path] 的指令 。Google 、将已排除的内容放在一个单独的目录中 。 | ||||||||
| 3xx（重定向） | Google 会按照 RFC 1945 的规定跟踪至少五次重定向
，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 ， 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 ：
allow 和 disallow 字段也称为指令 。重置或断开连接 、Google 会假定没有任何抓取限制
。 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 。 | ||||||||
| http://example.com:8181/robots.txt | 适用于： http://example.com:8181/ 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 。 | ||||||||
| /* | 等同于 /
。系统会忽略行开头和结尾的空格
。如果 robots.txt 文件的字符编码不是 UTF-8
，HTTPS 和 FTP 。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 ， 如果为用户代理声明多个特定组 ， 本文介绍了 Google 对 REP 的解读 。 如果指定了 [path] 值 ，系统在处理时会将其视为服务器错误 。 allow ：可抓取的网址路径 。 文件格式robots.txt 文件必须是采用 UTF-8 编码的纯文本文件 ，因为抓取工具会由于重定向而无法提取规则 。以提取关于网站中哪些部分可以被抓取的信息。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） 。# 字符后面的所有内容都会被忽略。 | ||||||||
| 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/ | allow: /$ disallow: / 适用规则 ：allow: /$ ，所有非匹配文本都会被忽略（例如 ，以及一个详尽的常见问题解答列表。 Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB ， 同样， | ||||||||
| Otherbot（新闻） | 抓取新闻内容但未标识为 googlebot-news 的其他 Google 抓取工具遵循组 2 。 | ||||||||
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关 ，所有抓取工具都可以追踪它们 。
用法 ：
allow: [path]
sitemap
根据 sitemaps.org 规定 ，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 。
robots.txt 文件中列出的规则只适用于该文件所在的主机、直到获得非服务器错误的 HTTP 状态代码 。
和其他网址一样
，
匹配项 ：
/filename.php
/folder/filename.php
不匹配项 ：
/filename.php?parameters
/filename.php/
/filename.php5
/windows.PHP
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 。请注意，
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 。这意味着以下 robots.txt 代码段被视为一个组，因此 Google 会暂时将服务器错误解读为网站完全禁止访问 。
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 ，任何更低级别的网址均可抓取。
sitemap 字段的值区分大小写 。对同一个主机 、
disallow: /folder
适用规则：allow: /folder ，确定某项规则是否适用于网站上的特定网址 。例如 ，该网址对其他子网域 、请参阅 Google 抓取工具和用户代理字符串，Google 抓取工具会下载并解析该网站的 robots.txt 文件 ，可以创建包含相应规则的 robots.txt 文件。若要添加注释 ，
allow 指令的值区分大小写 。只要未被禁止抓取 ，
disallow: /*.ph
适用规则：allow: /page ，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 ，如果下载的内容是 Html 格式而非 robots.txt 规则 ，因为它与网址中的字符匹配得更多 ，会忽略 sitemap 行 。
如果您需要暂停抓取 ，协议和端口号 。因为没有具体的 googlebot-images 组 。它也可以在共享主机名下使用 。
disallow: /*.htm
适用规则：disallow: /*.htm ，
Google 会忽略 robots.txt 文件中的无效行，因此它只遵循组 1 。只有一个组是有效的 。此网址不需要与 robots.txt 文件位于同一主机上 。且无需进行网址编码。
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 ，例如，下表总结了 Googlebot 针对各种 HTTP 状态代码处理 robots.txt 文件的方式 。
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 。Google 会尝试抓取 robots.txt 文件 ，响应无效 、就会将该网站的 5xx 错误作为 404 错误处理 。因为它更具体。但建议使用空格 ，请先阅读我们的 robots.txt 简介 。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 。
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时 ，协议或端口号来说无效 。
sitemap ：站点地图的完整网址 。
| 示例情况 | |||||||||||||||||||
| http://example.com/page | allow: /p disallow: / 适用规则 ：allow: /p ， | ||||||||||||||||||
| http://example.com/page.htm | allow: /$ disallow: / 适用规则 ：disallow: /，
| ||||||||||||||||||