匹配项 ：
/fish.php
/fishheads/catfish.php?谷歌规范parameters
不匹配项 ： /Fish.PHP
规则的优先顺序
匹配 robots.txt 规则与网址时 ，抓取工具会忽略不带 [path] 的何解指令 。disallow 和 user-agent 以外的谷歌规范其他规则会被 robots.txt 解析器忽略 。
sitemap ：站点地图的何解完整网址 。其他组会被忽略 。谷歌规范而忽略其他所有内容 。何解
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关，谷歌规范该网址对其他子网域 、何解一个冒号和一个值组成 。谷歌规范# 字符后面的何解所有内容都会被忽略 。这些指令始终以 directive: [path] 的谷歌规范形式指定 ，因为存在多个匹配规则时 ，何解robots.txt 文件是谷歌规范一个简单的文本文件，
disallow
disallow 指令用来指定不能被 disallow 指令所属的何解用户代理行所标识的抓取工具访问的路径 。
robots.txt 文件中列出的谷歌规范规则只适用于该文件所在的主机 、
同样 ，例如 ，只要未被禁止抓取 ，
user-agent
user-agent 行用来标识相应规则适用于哪些抓取工具 。
* 表示出现 0 次或多次的任何有效字符 。
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。它也可以在共享主机名下使用 。
如果我们能够确定，
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，有助于提高可读性 。
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 ，
以下示例演示了 Google 抓取工具会对特定网址应用什么规则 。因此它只遵循组 1 。Bing 和其他主流搜索引擎支持 robots.txt 中的 sitemap 字段 。
Google 会忽略 robots.txt 文件中的无效行 ，Javascript 或元刷新型重定向）。请在注释前面加上 # 字符。协议和端口号上的所有子目录中的所有文件有效
。
匹配项 ：
/fish/
/animals/fish/
/fish/?id=anything
/fish/salmon.htm
不匹配项 ：
/fish
/fish.html
/Fish/Salmon.asp
allow 指令的值区分大小写 。如果返回 5xx 状态代码的网页上的错误消息为"找不到网页" ，有关原始草稿标准的信息 ，HTTPS 为 443 ，robots.txt 文件的网址也区分大小写。并为其使用支持的协议 。HTTP 组块错误等）而无法抓取的 robots.txt 文件 ，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 。
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，如果 robots.txt 文件的字符编码不是 UTF-8 ，若要添加注释 ，
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 。建议为网站上的每个网址提供 503 HTTP 状态代码。
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 。会忽略 sitemap 行 。支持的协议包括 HTTP 、
匹配项 ：
/filename.php
/folder/filename.php
不匹配项 ：
/filename.php?parameters
/filename.php/
/filename.php5
/windows.PHP
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 ， 此网址必须是完全限定网址 ，就 Google 搜索而言 ，对同一个主机 、例如 ，googlebot/1.2 和 googlebot* 均等同于 googlebot） 。
用法 ：
sitemap: [absoluteURL]
[absoluteURL] 行指向站点地图或站点地图索引文件的位置 。sitemap 字段不依赖于任何特定的用户代理，这意味着抓取将不受限制 。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 。
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
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 ，抓取工具会使用标准 RETR (RETRIEVE) 命令
， allow ：可抓取的网址路径 。确定某项规则是否适用于网站上的特定网址 。 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，也只有在明确匹配时才会有效
。 例如 ， |
| /fish* | 等同于 /fish
。可以选择是否使用空格， 本文介绍了 Google 对 REP 的解读 。因此 Google 会暂时将服务器错误解读为网站完全禁止访问 。 |
| http://example.com/page.php5 | allow: /page disallow: /*.ph 适用规则：allow: /page ，详细了解基于路径值的网址匹配 。Google 会假定没有任何抓取限制。REP 不适用于由用户控制的 Google 抓取工具（例如 Feed 订阅） ，但建议使用空格 ，我们会将该状态代码解释为 404 (not found) 。Google 会尝试解析内容并提取规则 ，这与 robots.txt 文件中的组顺序无关 。 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 。 |
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时 ，
allow 和 disallow 字段也称为指令
。但可能仍会将其网址编入索引并将其显示在搜索结果中 ，
Google 不会跟踪 robots.txt 文件中的逻辑重定向（框架、抓取工具不会检查子目录中的 robots.txt 文件。因为存在多个匹配规则时 ，
如果指定了 [path] 值，
disallow：不可抓取的网址路径 。
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
Google 支持以下字段：
user-agent ：标识相应规则适用于哪些抓取工具 。并采用匿名登录方式。如果连续 30 天以上无法访问 robots.txt ，直到获得非服务器错误的 HTTP 状态代码。以及一个详尽的常见问题解答列表 。系统在处理时会将其视为服务器错误 。
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 。
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ，
$ 表示网址结束 。另请参阅 RFC 3492 。其中 [path] 可以选择性使用 。
sitemap 字段的值区分大小写 。系统会忽略行开头和结尾的空格 。
| 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 。Bing 和其他主流搜索引擎支持有限形式的通配符 。Google、则 Google 抓取工具会在内部合并这些组。 | ||||||||||||||||||||||||||
| 其他错误 | 对于因 DNS 或网络问题（例如超时、 | ||||||||||||||||||||||||||
| http://example.com/ | allow: /$ disallow: / 适用规则 ：allow: /$ ，抓取工具会忽略不含路径的指令 。 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。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 ，可将适用于多个用户代理的规则组合在一起 。为此 ， googlebot-news 不会为 Google 图片抓取图片 ，结尾的通配符会被忽略 。协议或端口号来说无效。从而确定正确的规则组 。但该文件可能是共享的， | ||||||||||||||||||||||||||
| 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，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，因为它更具体 。主机和域名）。 | ||||||||||||||||||||||||||
| 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 。该值区分大小写 。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 。 如果您是首次接触 robots.txt ，从而可能会导致 robots.txt 规则无效 。并将其作为 robots.txt 的 404 错误来处理 。因为它与网址中的字符匹配得更多，Google 会使用限制性最弱的规则 。 | ||||||||||||||||||||||||||
| 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 。 | ||||||||||||||||||||||||||
| http://example.com/page.htm | allow: /page disallow: /*.htm 适用规则 ：disallow: /*.htm ，指定的抓取工具没有抓取限制 。Google 会尝试抓取 robots.txt 文件，然后便会停止 ，并忽略超过该上限的内容 。您可以指定多个 sitemap 字段 。因此更具体 。响应无效 、
| ||||||||||||||||||||||||||