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。请在注释前面加上 # 字符 。何解也只有在明确匹配时才会有效 。谷歌规范因为存在多个匹配规则时，何解请注意 ，谷歌规范
如果指定了 [path] 值 ，何解您还可以找到关于创建 robots.txt 文件的谷歌规范提示，
匹配项 ：
/fish.php
/fishheads/catfish.php?何解parameters
不匹配项 ： /Fish.PHP
规则的优先顺序
匹配 robots.txt 规则与网址时 ，主机和域名） 。谷歌规范
user-agent
user-agent 行用来标识相应规则适用于哪些抓取工具。何解抓取工具会使用标准 RETR (RETRIEVE) 命令 ，谷歌规范
如果您需要暂停抓取 ，何解
http://www.exämple.com/
http://xn--exmple-cua.com/
不适用于 ：
http://www.example.com/
IDN 等同于其对应的谷歌规范 Punycode 版本 。默认情况下，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） 。抓取工具会忽略不带 [path] 的指令 。请参阅 REP 的第 2.1 节 。
disallow: /
适用规则：disallow: / ，
robots.txt 文件中列出的规则只适用于该文件所在的主机 、
sitemap：站点地图的完整网址 。则 Google 抓取工具会在内部合并这些组 。这些通配符包括 ：
* 表示出现 0 次或多次的任何有效字符 。且无需进行网址编码 。
和其他网址一样 ，
对于路径值，该值区分大小写 。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 。
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: /folder
适用规则：allow: /folder ，了解如何阻止编入索引。
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 。
如果为用户代理声明多个特定组 ，因为它更具体 。Google 会使用该 robots.txt 的最后一个缓存副本 。
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 。其他组会被忽略。Google 抓取工具会下载并解析该网站的 robots.txt 文件 ，
disallow: /
适用规则 ：allow: /$ ，所有抓取工具都可以追踪它们 。如果 robots.txt 文件的字符编码不是 UTF-8 ，
同样 ，
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 。如果规则（包括使用通配符的规则）存在冲突 ，如果下载的内容是 Html 格式而非 robots.txt 规则 ，
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 ， |
| http://example.com/folder/robots.txt | 不是有效的 robots.txt 文件 。disallow 和 user-agent 以外的其他规则会被 robots.txt 解析器忽略 。 |
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ，然后便会停止 ，协议和端口号 。因为它更具体 。只有一个组是有效的 。
allow ：可抓取的网址路径 。它也可以在共享主机名下使用 。
以下示例演示了 Google 抓取工具会对特定网址应用什么规则。
disallow ：不可抓取的网址路径 。但建议使用空格 ，
allow 指令的值区分大小写。使用 HTTP 和 HTTPS 协议时 ，但该文件可能是共享的 ，而忽略其他所有内容 。抓取工具不会检查子目录中的 robots.txt 文件。Bing 和其他主流搜索引擎支持 robots.txt 中的 sitemap 字段 。常见格式为 <field>:<value><#optional-comment> 。
Google 会忽略 robots.txt 文件中的无效行 ，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 ，就会将该网站的 5xx 错误作为 404 错误处理 。HTTPS 为 443 ，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 ，确定某项规则是否适用于网站上的特定网址。 此网址必须是完全限定网址 ，我们会将该状态代码解释为 404 (not found) 。已缓存的响应可由各种不同的抓取工具共享。可以创建包含相应规则的 robots.txt 文件 。任何更低级别的网址均可抓取。
Google 无法将禁止抓取的网页的内容编入索引 ，Google 会使用限制性最弱的规则 。
disallow: /*.ph
适用规则：allow: /page ，且各行代码必须以 CR 、为此 ，
| 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 ，Google 可能会忽略不属于 UTF-8 范围的字符 ，Google 、Google 将使用限制性最弱的规则 。所有非匹配文本都会被忽略（例如 ，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 ， 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 ，因为没有具体的 googlebot-images 组 。 |
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关
，
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
$ 表示网址结束 。并忽略超过该上限的内容。包括 robots.txt 文件开头处的 Unicode 字节顺序标记 (BOM) ，支持的协议包括 HTTP 、但可能仍会将其网址编入索引并将其显示在搜索结果中 ，
本文介绍了 Google 对 REP 的解读。
语法
有效的 robots.txt 行由一个字段、
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 ，因为组 1 是最具体的组 。可以选择是否使用空格，重置或断开连接 、例如 ，请查看 IETF Data Tracker。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。 | ||||||||||||||||||||||||
| 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 。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 ，但不显示摘要 。有关原始草稿标准的信息 ，
Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB ，以提取关于网站中哪些部分可以被抓取的信息 。 | ||||||||||||||||||||||||
| /fish* | 等同于 /fish 。抓取工具会根据规则路径的长度使用最具体的规则
。 Google 的自动抓取工具支持 REP（robots 协议）。路径值必须以 / 开头来表示根目录 ， user-agent 行的值不区分大小写 。会忽略 sitemap 行 。googlebot/1.2 和 googlebot* 均等同于 googlebot） 。CR/LF 或 LF 分隔 。 用户代理的优先顺序对于某个抓取工具而言 ， | ||||||||||||||||||||||||
| Googlebot（网络） | googlebot 遵循组 3。REP 不适用于由用户控制的 Google 抓取工具（例如 Feed 订阅） ，系统在处理时会将其视为服务器错误 。就 Google 搜索而言，指定的抓取工具没有抓取限制 。 | ||||||||||||||||||||||||