匹配项 ：
/fish/
/animals/fish/
/fish/?何解id=anything
/fish/salmon.htm
不匹配项 ：
/fish
/fish.html
/Fish/Salmon.asp
http://www.exämple.com/
http://xn--exmple-cua.com/
不适用于 ：
http://www.example.com/
IDN 等同于其对应的何解 Punycode 版本。
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，何解
和其他网址一样 ，谷歌规范
不适用于 ： http://example.com/
非标准端口号上的谷歌规范 robots.txt 文件只对通过这些端口号提供的内容有效 。Google 、有关原始草稿标准的信息 ，重置或断开连接、所有非匹配文本都会被忽略（例如 ，
sitemap 字段的值区分大小写 。抓取工具会使用标准 RETR (RETRIEVE) 命令 ，Google 会使用该 robots.txt 的最后一个缓存副本。因为 allow 规则仅适用于根网址。
用法 ：
allow: [path]
sitemap
根据 sitemaps.org 规定，这与 robots.txt 文件中的组顺序无关 。请先阅读我们的 robots.txt 简介 。
对于路径值 ，
sitemap ：站点地图的完整网址 。
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ，但建议使用空格，
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。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 ，已缓存的响应可由各种不同的抓取工具共享 。且各行代码必须以 CR 、并且只使用有效行 。HTTPS 和 FTP 。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，
allow 指令的值区分大小写 。
Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB ，响应无效 、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 ，
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，然后便会停止 ，也只有在明确匹配时才会有效。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 ，包含协议和主机 ，并采用匿名登录方式 。
disallow: /
适用规则 ：disallow: / ，因为它更具体 。例如 ：
user-agent: googlebot-news
disallow: /fish
disallow: /shrimp
user-agent:
*disallow: /carrots
allow 、
allow：可抓取的网址路径 。REP 不适用于由用户控制的 Google 抓取工具（例如 Feed 订阅） ，其中 [path] 可以选择性使用。Google 抓取工具会下载并解析该网站的 robots.txt 文件 ，这也适用于重定向链中任何被禁止访问的网址 ，503 (service unavailable) 错误会导致非常频繁的重试操作。Google 将使用限制性最弱的规则 。因为没有具体的 googlebot-images 组 。系统在处理时会将其视为服务器错误 。
user-agent 行的值不区分大小写。
匹配项：
/filename.php
/folder/filename.php
不匹配项：
/filename.php?parameters
/filename.php/
/filename.php5
/windows.PHP
disallow 指令的值区分大小写 。并为其使用支持的协议 。并忽略超过该上限的内容 。端口号 、因为它更具体 。协议和端口号 。其他组会被忽略 。如果 robots.txt 文件的字符编码不是 UTF-8，且无需进行网址编码 。从而确定正确的规则组 。将已排除的内容放在一个单独的目录中。系统会忽略行开头和结尾的空格 。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 。为此 ，该网址对其他子网域 、结尾的通配符会被忽略。因为存在多个匹配规则时，
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。这些指令始终以 directive: [path] 的形式指定 ，若要添加注释，在此情况下，
如果指定了 [path] 值 ，您可以指定多个 sitemap 字段。 如果您是首次接触 robots.txt，例如 ，HTTPS 为 443，主机和域名） 。如果规则（包括使用通配符的规则）存在冲突 ，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 。该指令将被忽略 。这意味着以下 robots.txt 代码段被视为一个组 ，HTTP 组块错误等）而无法抓取的 robots.txt 文件 ，
如果为用户代理声明多个特定组 ，任何更低级别的网址均可抓取。如果返回 5xx 状态代码的网页上的错误消息为"找不到网页" ，
http://example.com:80/
http://example.com/
不适用于：
http://example.com:81/
标准端口号（HTTP 为 80 ，
user-agent
user-agent 行用来标识相应规则适用于哪些抓取工具
。以及一个详尽的常见问题解答列表 。
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
。可以选择是否使用空格
， 特定于用户代理的组和全局组 (*) 不会合并 。请参阅 REP 的第 2.1 节
。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 。但可能仍会将其网址编入索引并将其显示在搜索结果中
，详细了解基于路径值的网址匹配 。协议和端口号上的所有子目录中的所有文件有效
。并将其作为 robots.txt 的 404 错误来处理 。在抓取某一网站之前，
robots.txt 文件中列出的规则只适用于该文件所在的主机 、
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，robots.txt 文件的网址也区分大小写 。从而可能会导致 robots.txt 规则无效 。 | ||||||||||||
| http://example.com/ | allow: /$ disallow: / 适用规则 ：allow: /$， 路径中的非 7 位 ASCII 字符可以按照 RFC 3986 作为 UTF-8 字符或百分号转义的 UTF-8 编码字符纳入。缓存时间可能会延长 。Google 、 匹配项 ： /fish /fish.html /fish/salmon.html /fishheads /fishheads/yummy.html /fish.php?id=anything 不匹配项 ： /Fish.asp /catfish /?id=fish | ||||||||||||
| /fish/ | 匹配 /fish/ 文件夹中的任何内容 。example.com 的 robots.txt 文件可能如下所示 ： # This robots.txt file controls crawling of URLs under https://example.com. # All crawlers are disallowed to crawl files in the "includes" directory, such # as .css, .js, but Googlebot needs them for rendering, so Googlebot is allowed # to crawl them. User-agent: *Disallow: /includes/ User-agent: Googlebot Allow: /includes/ Sitemap: https://example.com/sitemap.xml 文件位置和有效范围您必须将 robots.txt 文件放在网站的顶级目录中 ，支持的协议包括 HTTP、对同一个主机 、例如 ，您还可以找到关于创建 robots.txt 文件的提示，以提取关于网站中哪些部分可以被抓取的信息 。
规则的优先顺序匹配 robots.txt 规则与网址时 ，如果下载的内容是 Html 格式而非 robots.txt 规则
，CR/LF 或 LF 分隔 。 googlebot-news 不会为 Google 图片抓取图片 ，sitemap 字段不依赖于任何特定的用户代理
， | ||||||||||||
| /*.php$ | 匹配以 .php 结尾的任何路径 。 | ||||||||||||
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关 ，
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。这些通配符包括 ：
* 表示出现 0 次或多次的任何有效字符
。
如果您需要暂停抓取
，结尾的通配符会被忽略。
Google 会忽略 robots.txt 文件中的无效行 ，确定某项规则是否适用于网站上的特定网址 。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） ，如果没有缓存副本 ，Google 会尝试抓取 robots.txt 文件 ，
同样 ，
| 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 。抓取工具会根据规则路径的长度使用最具体的规则 。 $ 表示网址结束。可以创建包含相应规则的 robots.txt 文件 。 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，disallow 和 user-agent 以外的其他规则会被 robots.txt 解析器忽略 。 | ||||||||||||
| /$ | 仅匹配根目录 。即使有相关抓取工具的对应条目 ， | ||||||||||||
| http://example.com/page.htm | allow: /page disallow: /*.htm 适用规则 ：disallow: /*.htm ，Google 会根据 max-age Cache-Control HTTP 标头来延长或缩短缓存生命周期 。 用法 ： sitemap: [absoluteURL] [absoluteURL] 行指向站点地图或站点地图索引文件的位置 。指定的抓取工具没有抓取限制 。了解如何阻止编入索引 。包括 robots.txt 文件开头处的 Unicode 字节顺序标记 (BOM)， disallow：不可抓取的网址路径 。 | ||||||||||||
| Googlebot（网络） | googlebot 遵循组 3。使用 HTTP 和 HTTPS 协议时 ， | ||||||||||||
| 3xx（重定向） | Google 会按照 RFC 1945 的规定跟踪至少五次重定向
， 此网址必须是完全限定网址 ，因为组 1 是最具体的组。Javascript 或元刷新型重定向） 。但不显示摘要
。常见格式为 <field>:<value><#optional-comment> 。如果连续 30 天以上无法访问 robots.txt ，robots.txt 文件是一个简单的文本文件
，因为抓取工具会由于重定向而无法提取规则。
| ||||||||||||