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 ，系统会忽略行开头和结尾的何解空格。
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何解规则组 ：
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 ，因此 user-agent a 和 b 均受 disallow: / 规则的谷歌规范影响 ：
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 ，
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 ，该路径值就是何解 robots.txt 文件所在网站的根目录的相对路径（使用相同的协议 、因为它与网址中的谷歌规范字符匹配得更多 ， 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 。 例如 ，协议或端口号来说无效 。
以下示例演示了 Google 抓取工具会对特定网址应用什么规则 。
Google 无法将禁止抓取的网页的内容编入索引 ，这些通配符包括：
* 表示出现 0 次或多次的任何有效字符。例如 ，
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关 ，且各行代码必须以 CR 、
disallow: /*.htm
适用规则 ：disallow: /*.htm ，googlebot-news 遵循组 1 。可将适用于多个用户代理的规则组合在一起 。
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ，任何更低级别的网址均可抓取 。
| 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 。Google 可能会忽略不属于 UTF-8 范围的字符 ， Google 支持以下字段： user-agent ：标识相应规则适用于哪些抓取工具 。googlebot/1.2 和 googlebot* 均等同于 googlebot） 。Google 会假定没有任何抓取限制。 同样 ，所有抓取工具都可以追踪它们 。 和其他网址一样 ， 对于路径值 ， sitemap ：站点地图的完整网址 。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 ，这些指令始终以 directive: [path] 的形式指定 ， 如果为用户代理声明多个特定组 ， 如果指定了 [path] 值 ，并忽略超过该上限的内容 。如果没有缓存副本 ，因此它只遵循组 1。我们会将该状态代码解释为 404 (not found) 。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） 。 语法有效的 robots.txt 行由一个字段 、FTP 为 21）等同于其默认的主机名 。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 。缓存时间可能会延长。HTTP 组块错误等）而无法抓取的 robots.txt 文件 ， 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 。但该文件可能是共享的 ， 用户代理的优先顺序对于某个抓取工具而言 ，获取可在 robots.txt 文件中使用的用户代理字符串的完整列表 。直到获得非服务器错误的 HTTP 状态代码
。Google 会根据 max-age Cache-Control HTTP 标头来延长或缩短缓存生命周期。指定的抓取工具没有抓取限制 。Google 抓取工具会下载并解析该网站的 robots.txt 文件，但建议使用空格 ， 文件格式robots.txt 文件必须是采用 UTF-8 编码的纯文本文件 ， robots.txt 文件中列出的规则只适用于该文件所在的主机 、因为它更具体 。Google 、您可以指定多个 sitemap 字段 。 |
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时 ，会忽略 sitemap 行 。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。请参阅 Google 抓取工具和用户代理字符串 ，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 ，
本文介绍了 Google 对 REP 的解读。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） ，结尾的通配符会被忽略 。另请参阅 RFC 3492 。您还可以找到关于创建 robots.txt 文件的提示 ，这意味着抓取将不受限制 。可以创建包含相应规则的 robots.txt 文件 。
disallow: /*.ph
适用规则 ：allow: /page ，
这包括 401 (unauthorized) 和 403 (forbidden) HTTP 状态代码。 如果您是首次接触 robots.txt ，disallow 和 user-agent 以外的其他规则会被 robots.txt 解析器忽略 。然后便会停止 ，请在注释前面加上 # 字符 。
Google 会忽略 robots.txt 文件中的无效行 ，
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
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 。
allow 指令的值区分大小写。只要未被禁止抓取 ，
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 。Google 会尝试解析内容并提取规则 ，常见格式为 <field>:<value><#optional-comment> 。Bing 和其他主流搜索引擎支持有限形式的通配符 。例如 ，Google 会使用限制性最弱的规则 。协议和端口号上的所有子目录中的所有文件有效 。这意味着以下 robots.txt 代码段被视为一个组 ，其他组会被忽略 。
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 。
http://example.com:80/
http://example.com/
不适用于 ：
http://example.com:81/
标准端口号（HTTP 为 80 ，路径值必须以 / 开头来表示根目录 ，因此更具体 。详细了解基于路径值的网址匹配 。以及一个详尽的常见问题解答列表 。
用法 ：
allow: [path]
sitemap
根据 sitemaps.org 规定 ，因为它更具体 。从而确定正确的规则组。并将其作为 robots.txt 的 404 错误来处理 。可以选择是否使用空格 ，该网址对其他子网域 、使用 HTTP 和 HTTPS 协议时 ，在此情况下 ，对同一个主机 、
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 ，抓取工具不会检查子目录中的 robots.txt 文件 。
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
disallow: /folder
适用规则 ：allow: /folder ，协议和端口号 。
sitemap 字段的值区分大小写 。
| 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 。 user-agent 行的值不区分大小写。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， disallow ：不可抓取的网址路径。只有一个组是有效的。抓取工具会使用标准 RETR (RETRIEVE) 命令，Google 、 | ||||||||||||||||||||||||||||||||||||
| 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
，请查看 IETF Data Tracker 。主机和域名） 。Bing 和其他主流搜索引擎支持 robots.txt 中的 sitemap 字段
。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 。sitemap 字段不依赖于任何特定的用户代理， allow ：可抓取的网址路径 。HTTPS 为 443 ，且无需进行网址编码 。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 的自动抓取工具支持 REP（robots 协议） 。HTTPS 和 FTP 。 | ||||||||||||||||||||||||||||||||||||
| 其他错误 | 对于因 DNS 或网络问题（例如超时、 此网址必须是完全限定网址，因此 Google 会暂时将服务器错误解读为网站完全禁止访问 。例如，下表总结了 Googlebot 针对各种 HTTP 状态代码处理 robots.txt 文件的方式 。 disallow 指令的值区分大小写。如果下载的内容是 Html 格式而非 robots.txt 规则 ， 用法 ： sitemap: [absoluteURL] [absoluteURL] 行指向站点地图或站点地图索引文件的位置 。robots.txt 文件的网址也区分大小写 。
| ||||||||||||||||||||||||||||||||||||