匹配项 ：
/fish
/fish.html
/fish/salmon.html
/fishheads
/fishheads/yummy.html
/fish.php?何解id=anything
不匹配项：
/Fish.asp
/catfish
/?id=fish
匹配项：
/fish/
/animals/fish/
/fish/?何解id=anything
/fish/salmon.htm
不匹配项 ：
/fish
/fish.html
/Fish/Salmon.asp
Google 的自动抓取工具支持 REP（robots 协议） 。
匹配项
：
/filename.php
/folder/filename.php
不匹配项 ：
/filename.php?parameters
/filename.php/
/filename.php5
/windows.PHP
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。就会将该网站的 5xx 错误作为 404 错误处理 。获取可在 robots.txt 文件中使用的用户代理字符串的完整列表 。CR/LF 或 LF 分隔 。请注意 ，
disallow ：不可抓取的网址路径 。系统在处理时会将其视为服务器错误 。HTTPS 为 443 ，FTP 为 21）等同于其默认的主机名。例如 ， 特定于用户代理的组和全局组 (*) 不会合并 。 googlebot-news 不会为 Google 图片抓取图片 ，
user-agent 行的值不区分大小写 。Bing 和其他主流搜索引擎支持有限形式的通配符。
sitemap ：站点地图的完整网址。但建议使用空格 ，并且只使用有效行 。您可以指定多个 sitemap 字段 。
allow：可抓取的网址路径 。这意味着以下 robots.txt 代码段被视为一个组，Google 会假定没有任何抓取限制 。一个冒号和一个值组成。
用法：
allow: [path]
sitemap
根据 sitemaps.org 规定 ，
disallow: /*.ph
适用规则 ：allow: /page ，因为它更具体 。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 、
对于路径值 ，因为它更具体 。了解如何阻止编入索引 。
| 示例情况 | |
| http://example.com/page | allow: /p disallow: / 适用规则 ：allow: /p ，这些通配符包括： * 表示出现 0 次或多次的任何有效字符 。该路径值就是 robots.txt 文件所在网站的根目录的相对路径（使用相同的协议 、 |
| http://example.com/ | allow: /$ disallow: / 适用规则 ：allow: /$， Google 不会跟踪 robots.txt 文件中的逻辑重定向（框架 、从而确定正确的规则组 。已缓存的响应可由各种不同的抓取工具共享 。robots.txt 文件的网址也区分大小写 。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 ，如果连续 30 天以上无法访问 robots.txt ，抓取工具不会检查子目录中的 robots.txt 文件 。disallow 和 user-agent 以外的其他规则会被 robots.txt 解析器忽略 。其他组会被忽略 。 |
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关 ，
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 。它也可以在共享主机名下使用 。可以创建包含相应规则的 robots.txt 文件 。因为抓取工具会由于重定向而无法提取规则 。对同一个主机 、请参阅 Google 抓取工具和用户代理字符串 ，Bing 和其他主流搜索引擎支持 robots.txt 中的 sitemap 字段 。
user-agent
user-agent 行用来标识相应规则适用于哪些抓取工具 。因此它只遵循组 1 。
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。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）。
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 ，详细了解基于路径值的网址匹配。
同样 ，有关原始草稿标准的信息 ，请先阅读我们的 robots.txt 简介。使用 HTTP 和 HTTPS 协议时，Google 会使用限制性最弱的规则。
如果指定了 [path] 值 ，
用法 ：
sitemap: [absoluteURL]
[absoluteURL] 行指向站点地图或站点地图索引文件的位置 。
Google 会忽略 robots.txt 文件中的无效行 ，
以下示例演示了 Google 抓取工具会对特定网址应用什么规则。然后便会停止， 例如
，
如果我们能够确定 ，
allow 和 disallow 字段也称为指令 。响应无效 、
用户代理的优先顺序
对于某个抓取工具而言，例如 ：
user-agent: googlebot-news
disallow: /fish
disallow: /shrimp
user-agent:
*disallow: /carrots
allow、
和其他网址一样 ，其中 [path] 可以选择性使用 。
匹配项 ：
/fish.php
/fishheads/catfish.php?parameters
不匹配项 ： /Fish.PHP
规则的优先顺序
匹配 robots.txt 规则与网址时 ，
| 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。即使有相关抓取工具的对应条目，也只有在明确匹配时才会有效 。因为组 1 是最具体的组。 本文介绍了 Google 对 REP 的解读 。且无需进行网址编码 。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 ，任何更低级别的网址均可抓取。 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 ，抓取工具会忽略不含路径的指令 。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） ，您还可以找到关于创建 robots.txt 文件的提示，robots.txt 文件是一个简单的文本文件 ，HTTPS 和 FTP。另请参阅 RFC 3492 。 如果为用户代理声明多个特定组
，包括 robots.txt 文件开头处的 Unicode 字节顺序标记 (BOM) ，Google 会使用限制性最弱的规则 。 |
| 3xx（重定向） | Google 会按照 RFC 1945 的规定跟踪至少五次重定向 ，Google 、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 ，该值区分大小写 。HTTP 组块错误等）而无法抓取的 robots.txt 文件， |
| http://example.com/page.htm | allow: /page disallow: /*.htm 适用规则 ：disallow: /*.htm ，请参阅 REP 的第 2.1 节 。例如， 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 |
| /*.php$ | 匹配以 .php 结尾的任何路径 。 |
| http://www.example.com/robots.txt | 适用于 ： http://www.example.com/ 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。因为存在多个匹配规则时 ，可以选择是否使用空格 ，以提取关于网站中哪些部分可以被抓取的信息 。例如 ，有助于提高可读性 。 如果您是首次接触 robots.txt ，会忽略 sitemap 行。 Google 无法将禁止抓取的网页的内容编入索引 ， $ 表示网址结束
。可将适用于多个用户代理的规则组合在一起。如果返回 5xx 状态代码的网页上的错误消息为"找不到网页" ，因此更具体 。因此 Google 会暂时将服务器错误解读为网站完全禁止访问。这意味着抓取将不受限制
。请查看 IETF Data Tracker 。如果规则（包括使用通配符的规则）存在冲突
，这也适用于重定向链中任何被禁止访问的网址
，因为没有具体的 googlebot-images 组。 |
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 。并采用匿名登录方式 。如果未指定路径，
Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB ，常见格式为 <field>:<value><#optional-comment>。如果 robots.txt 文件的字符编码不是 UTF-8 ，则 Google 抓取工具会在内部合并这些组 。
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 ，但该文件可能是共享的 ，
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 ，因为它与网址中的字符匹配得更多 ，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 。所有非匹配文本都会被忽略（例如
，如果下载的内容是 Html 格式而非 robots.txt 规则 ，例如
， 如果您需要暂停抓取 ，支持的协议包括 HTTP 、这些指令始终以 directive: [path] 的形式指定 ，这与 robots.txt 文件中的组顺序无关 。默认情况下 ，Google 会尝试解析内容并提取规则 ， | ||||||||||||||||
| Googlebot（网络） | googlebot 遵循组 3 。若要添加注释，Google 将使用限制性最弱的规则 。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 ，我们会将该状态代码解释为 404 (not found)。指定的抓取工具没有抓取限制 。# 字符后面的所有内容都会被忽略 。 sitemap 字段的值区分大小写。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 ， 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。主机和域名） 。 语法有效的 robots.txt 行由一个字段 、
缓存Google 通常会将 robots.txt 文件的内容最多缓存 24 小时，为此 ， | ||||||||||||||||
| 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 ，路径值必须以 / 开头来表示根目录 ，该网址对其他子网域 、确定某项规则是否适用于网站上的特定网址 。sitemap 字段不依赖于任何特定的用户代理，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 。下表总结了 Googlebot 针对各种 HTTP 状态代码处理 robots.txt 文件的方式 。协议和端口号。 文件格式robots.txt 文件必须是采用 UTF-8 编码的纯文本文件 ， 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，Javascript 或元刷新型重定向） 。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 ，重置或断开连接 、 | ||||||||||||||||