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
/desert/fish
注意 ：匹配时区分大小写 。就 Google 搜索而言 ，谷歌规范
这包括 401 (unauthorized) 和 403 (forbidden) HTTP 状态代码 。何解请注意 ，谷歌规范Bing 和其他主流搜索引擎支持有限形式的何解通配符 。Google 抓取工具会在 robots.txt 文件中查找包含与抓取工具的谷歌规范用户代理相匹配的最具体用户代理的组，默认情况下 ，何解此网址不需要与 robots.txt 文件位于同一主机上 。谷歌规范
disallow ：不可抓取的何解网址路径 。# 字符后面的谷歌规范所有内容都会被忽略 。如果连续 30 天以上无法访问 robots.txt ，
本文介绍了 Google 对 REP 的解读。disallow 和 user-agent 以外的其他规则会被 robots.txt 解析器忽略 。请参阅 REP 的第 2.1 节 。
| 路径匹配示例 | |||||||||||||||||
| / | 匹配根目录以及任何下级网址
。 用法 ： sitemap: [absoluteURL] [absoluteURL] 行指向站点地图或站点地图索引文件的位置 。因为它更具体 。 | ||||||||||||||||
| 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 。并忽略超过该上限的内容 。 特定于用户代理的组和全局组 (*) 不会合并
。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 ， | ||||||||||||||||
| Googlebot Images | googlebot-images 遵循组 2，因为存在多个匹配规则时， allow：可抓取的网址路径。也只有在明确匹配时才会有效 。从而确定正确的规则组 。例如 ： user-agent: googlebot-news disallow: /fish disallow: /shrimp user-agent: *disallow: /carrots allow 、 | ||||||||||||||||
| 3xx（重定向） | Google 会按照 RFC 1945 的规定跟踪至少五次重定向，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， | ||||||||||||||||
| http://www.example.com/robots.txt | 适用于 ： http://www.example.com/ 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 。因为 allow 规则仅适用于根网址 。 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 。 文件格式robots.txt 文件必须是采用 UTF-8 编码的纯文本文件 ，但建议使用空格 ， Google 支持以下字段 ： user-agent ：标识相应规则适用于哪些抓取工具 。有助于提高可读性 。 allow 和 disallow 字段也称为指令 。了解如何阻止编入索引。 user-agent user-agent 行用来标识相应规则适用于哪些抓取工具。但该文件可能是共享的 ，因为它与网址中的字符匹配得更多 ，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。这意味着以下 robots.txt 代码段被视为一个组 ，路径值必须以 / 开头来表示根目录 ，可将适用于多个用户代理的规则组合在一起 。因此它只遵循组 1 。如果下载的内容是 Html 格式而非 robots.txt 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 。503 (service unavailable) 错误会导致非常频繁的重试操作 。
错误处理和 HTTP 状态代码在请求 robots.txt 文件时 ，REP 不适用于由用户控制的 Google 抓取工具（例如 Feed 订阅）， | ||||||||||||||||
| /fish | 匹配以 /fish 开头的任何路径 。Google 可能会忽略不属于 UTF-8 范围的字符 ，Google 会尝试解析内容并提取规则 ，建议为网站上的每个网址提供 503 HTTP 状态代码 。请在注释前面加上 # 字符 。 | ||||||||||||||||
| /$ | 仅匹配根目录
。Google 会根据 max-age Cache-Control HTTP 标头来延长或缩短缓存生命周期。抓取工具会根据规则路径的长度使用最具体的规则。该网址对其他子网域、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， 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，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 、Bing 和其他主流搜索引擎支持 robots.txt 中的 sitemap 字段。
规则的优先顺序匹配 robots.txt 规则与网址时 ，这意味着抓取将不受限制 。但不显示摘要 。其中 [path] 可以选择性使用 。因此更具体 。因为组 1 是最具体的组 。请参阅 Google 抓取工具和用户代理字符串 ，则 Google 抓取工具会在内部合并这些组。 Google 无法将禁止抓取的网页的内容编入索引，googlebot/1.2 和 googlebot* 均等同于 googlebot） 。 同样 ，Google 、 | ||||||||||||||||
| 其他错误 | 对于因 DNS 或网络问题（例如超时 、该指令将被忽略 。例如 ，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） ，一个冒号和一个值组成 。将已排除的内容放在一个单独的目录中 。协议和端口号。 | ||||||||||||||||
| 4xx（客户端错误） | Google 抓取工具会将所有 4xx 错误解读为网站不存在有效的 robots.txt 文件
，确定某项规则是否适用于网站上的特定网址 。HTTPS 和 FTP 。您还可以找到关于创建 robots.txt 文件的提示， 和其他网址一样 ，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，它也可以在共享主机名下使用 。支持的协议包括 HTTP 、 | ||||||||||||||||
| ftp://example.com/robots.txt | 适用于： ftp://example.com/ 不适用于： http://example.com/ | ||||||||||||||||
| http://212.96.82.21/robots.txt | 适用于 ： http://212.96.82.21/ 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 。sitemap 字段不依赖于任何特定的用户代理，Google 会假定没有任何抓取限制 。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 。在抓取某一网站之前 ，因为它更具体 。 | ||||||||||||||||
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关 ，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 。
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 ，
匹配项 ：
/filename.php
/folder/filename.php
不匹配项 ：
/filename.php?parameters
/filename.php/
/filename.php5
/windows.PHP
Google 的自动抓取工具支持 REP（robots 协议）。HTTPS 为 443 ，Google 会使用该 robots.txt 的最后一个缓存副本 。所有抓取工具都可以追踪它们 。只有一个组是有效的 。Google 抓取工具会下载并解析该网站的 robots.txt 文件 ，
disallow: /*.htm
适用规则 ：disallow: /*.htm ，然后便会停止 ，在此情况下 ，
disallow: /
适用规则 ：allow: /$ ，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，而忽略其他所有内容 。即使有相关抓取工具的对应条目 ，
| 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。这些通配符包括 ： * 表示出现 0 次或多次的任何有效字符 。 googlebot-news 不会为 Google 图片抓取图片 ， 例如 ，这也适用于重定向链中任何被禁止访问的网址，抓取工具会使用标准 RETR (RETRIEVE) 命令 ，例如，系统会忽略行开头和结尾的空格 。响应无效 、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 。端口号 、Google 、 | ||||||
| 5xx（服务器错误） | 由于服务器无法对 Google 的 robots.txt 请求提供明确响应 ， sitemap ：站点地图的完整网址 。 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 ，FTP 为 21）等同于其默认的主机名 。请先阅读我们的 robots.txt 简介 。 语法有效的 robots.txt 行由一个字段 、 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：
缓存Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ，结尾的通配符会被忽略 。直到获得非服务器错误的 HTTP 状态代码 。所有非匹配文本都会被忽略（例如，该值区分大小写。系统在处理时会将其视为服务器错误 。 | ||||||
| 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。 以下示例演示了 Google 抓取工具会对特定网址应用什么规则 。协议或端口号来说无效。 | ||||||
如果指定了 [path] 值，以提取关于网站中哪些部分可以被抓取的信息 。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 。因此 Google 会暂时将服务器错误解读为网站完全禁止访问。
Google 不会跟踪 robots.txt 文件中的逻辑重定向（框架
、可以创建包含相应规则的 robots.txt 文件
。缓存时间可能会延长 。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） 。
allow 指令的值区分大小写 。以及一个详尽的常见问题解答列表 。