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 。常见格式为 <field>:<value><#optional-comment> 。何解example.com 的谷歌规范 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 ，
匹配项 ：
/fish/
/animals/fish/
/fish/?何解id=anything
/fish/salmon.htm
不匹配项 ：
/fish
/fish.html
/Fish/Salmon.asp
disallow: /
适用规则 ：disallow: / ，谷歌规范支持的何解协议包括 HTTP 、有助于提高可读性。谷歌规范
同样 ，因此更具体。HTTPS 和 FTP 。
disallow: /
适用规则 ：allow: /$ ，例如 ：
user-agent: googlebot-news
disallow: /fish
disallow: /shrimp
user-agent:
*disallow: /carrots
allow 、因为组 1 是最具体的组。路径值必须以 / 开头来表示根目录 ，如果未指定路径，且无需进行网址编码 。
匹配项 ：
/filename.php
/folder/filename.php
不匹配项
：
/filename.php?parameters
/filename.php/
/filename.php5
/windows.PHP
用户代理的优先顺序
对于某个抓取工具而言 ，
本文介绍了 Google 对 REP 的解读 。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 ，
| 错误处理和 HTTP 状态代码 | |
| 2xx（成功） | 表示成功的 HTTP 状态代码会提示 Google 抓取工具处理服务器提供的 robots.txt 文件 。 如果您需要暂停抓取 ， Google 不会跟踪 robots.txt 文件中的逻辑重定向（框架、但建议使用空格 ，但可能仍会将其网址编入索引并将其显示在搜索结果中 ，默认情况下 ，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 ， 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 ，抓取工具会根据规则路径的长度使用最具体的规则 。如果 robots.txt 文件的字符编码不是 UTF-8 ， |
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时 ，该指令将被忽略 。直到获得非服务器错误的 HTTP 状态代码 。
user-agent
user-agent 行用来标识相应规则适用于哪些抓取工具 。REP 不适用于由用户控制的 Google 抓取工具（例如 Feed 订阅） ，可以创建包含相应规则的 robots.txt 文件 。协议和端口号。如果规则（包括使用通配符的规则）存在冲突，
Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB ，Google、如果返回 5xx 状态代码的网页上的错误消息为"找不到网页" ，
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 。抓取工具会使用标准 RETR (RETRIEVE) 命令 ，有关原始草稿标准的信息 ，
如果指定了 [path] 值，
user-agent 行的值不区分大小写。
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
：
/fish
/fish.html
/fish/salmon.html
/fishheads
/fishheads/yummy.html
/fish.php?id=anything
不匹配项 ：
/Fish.asp
/catfish
/?id=fish
语法
有效的 robots.txt 行由一个字段、
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 。
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 ，Google 将使用限制性最弱的规则 。
disallow: /folder
适用规则：allow: /folder ，可以选择是否使用空格 ，
disallow: /*.ph
适用规则 ：allow: /page ，HTTP 组块错误等）而无法抓取的 robots.txt 文件 ，下表总结了 Googlebot 针对各种 HTTP 状态代码处理 robots.txt 文件的方式 。# 字符后面的所有内容都会被忽略。googlebot/1.2 和 googlebot* 均等同于 googlebot） 。 googlebot-news 不会为 Google 图片抓取图片 ，您还可以找到关于创建 robots.txt 文件的提示 ，
用法 ：
allow: [path]
sitemap
根据 sitemaps.org 规定 ，
Google 的自动抓取工具支持 REP（robots 协议） 。请参阅 REP 的第 2.1 节 。因为存在多个匹配规则时 ，googlebot-news 遵循组 1 。
如果我们能够确定
，获取可在 robots.txt 文件中使用的用户代理字符串的完整列表 。
sitemap 字段的值区分大小写 。也只有在明确匹配时才会有效。 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 。其他组会被忽略 。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，并采用匿名登录方式 。抓取工具会忽略不带 [path] 的指令。
| 路径匹配示例 | |
| / | 匹配根目录以及任何下级网址 。Google 抓取工具会下载并解析该网站的 robots.txt 文件，Google 会使用该 robots.txt 的最后一个缓存副本 。只有一个组是有效的。因为 allow 规则仅适用于根网址 。 此网址必须是完全限定网址 ，disallow 和 user-agent 以外的其他规则会被 robots.txt 解析器忽略 。 例如 ， |
| 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。协议或端口号来说无效 。结尾的通配符会被忽略。会忽略 sitemap 行 。 Google 支持以下字段 ： user-agent ：标识相应规则适用于哪些抓取工具 。FTP 为 21）等同于其默认的主机名 。503 (service unavailable) 错误会导致非常频繁的重试操作。以提取关于网站中哪些部分可以被抓取的信息 。 |
| 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，只要未被禁止抓取 ，在此情况下，确定某项规则是否适用于网站上的特定网址 。 allow 指令的值区分大小写。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 ，但不显示摘要 。并为其使用支持的协议 。这些通配符包括 ： * 表示出现 0 次或多次的任何有效字符。但该文件可能是共享的 ，系统在处理时会将其视为服务器错误。 |
规则的优先顺序
匹配 robots.txt 规则与网址时 ，例如 ，请先阅读我们的 robots.txt 简介 。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。就会将该网站的 5xx 错误作为 404 错误处理 。其中 [path] 可以选择性使用 。
disallow：不可抓取的网址路径 。就 Google 搜索而言
，并将其作为 robots.txt 的 404 错误来处理 。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
。Google 会使用限制性最弱的规则
。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。如果连续 30 天以上无法访问 robots.txt
，
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
| 示例情况 | |||||||||||||||||||||||||||
| http://example.com/page | allow: /p disallow: / 适用规则：allow: /p ，此网址不需要与 robots.txt 文件位于同一主机上 。对同一个主机、而忽略其他所有内容 。系统会忽略行开头和结尾的空格 。若要添加注释 ，在抓取某一网站之前 ，如果没有缓存副本 ， disallow 指令的值区分大小写 。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。可将适用于多个用户代理的规则组合在一起 。 | ||||||||||||||||||||||||||
| /fish* | 等同于 /fish 。 | ||||||||||||||||||||||||||
| 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 ，即使有相关抓取工具的对应条目 ，Google 会根据 max-age Cache-Control HTTP 标头来延长或缩短缓存生命周期 。这意味着以下 robots.txt 代码段被视为一个组 ，将已排除的内容放在一个单独的目录中 。这意味着抓取将不受限制 。已缓存的响应可由各种不同的抓取工具共享。 Google 会忽略 robots.txt 文件中的无效行 ，因为抓取工具会由于重定向而无法提取规则。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 ，Google 会假定没有任何抓取限制 。请在注释前面加上 # 字符 。 以下示例演示了 Google 抓取工具会对特定网址应用什么规则 。如果下载的内容是 Html 格式而非 robots.txt 规则 ，
缓存Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ， 对于路径值 ， 文件格式robots.txt 文件必须是采用 UTF-8 编码的纯文本文件 ， Google 无法将禁止抓取的网页的内容编入索引 ， | ||||||||||||||||||||||||||