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 。在此情况下，何解因此 Google 会暂时将服务器错误解读为网站完全禁止访问 。谷歌规范
匹配项 ：
/filename.php
/folder/filename.php
不匹配项 ：
/filename.php?何解parameters
/filename.php/
/filename.php5
/windows.PHP
用法 ：
sitemap: [absoluteURL]
[absoluteURL] 行指向站点地图或站点地图索引文件的谷歌规范位置 。服务器响应的何解 HTTP 状态代码会影响 Google 抓取工具使用 robots.txt 文件的方式 。
语法
有效的谷歌规范 robots.txt 行由一个字段 、
| 示例情况 | |
| http://example.com/page | allow: /p disallow: / 适用规则 ：allow: /p ，谷歌规范对同一个主机 、何解可以选择是谷歌规范否使用空格 ，协议和端口号上的何解所有子目录中的所有文件有效 。Google 、谷歌规范您可以指定多个 sitemap 字段 。何解例如，谷歌规范 如果您是首次接触 robots.txt，如果连续 30 天以上无法访问 robots.txt，协议或端口号来说无效 。就 Google 搜索而言 ，该指令将被忽略 。以及一个详尽的常见问题解答列表 。 user-agent user-agent 行用来标识相应规则适用于哪些抓取工具 。HTTP 组块错误等）而无法抓取的 robots.txt 文件 ， 如果指定了 [path] 值，且各行代码必须以 CR 、 文件格式robots.txt 文件必须是采用 UTF-8 编码的纯文本文件 ，有关原始草稿标准的信息 ， |
| 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 。请参阅 Google 抓取工具和用户代理字符串 ， |
| 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，这与 robots.txt 文件中的组顺序无关 。 |
| Otherbot（网络） | 其他 Google 抓取工具遵循组 2 。robots.txt 文件的网址也区分大小写 。 |
| Googlebot Images | googlebot-images 遵循组 2 ，任何更低级别的网址均可抓取 。 |
| Googlebot（网络） | googlebot 遵循组 3
。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， |
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时，可将适用于多个用户代理的规则组合在一起 。例如 ，这意味着 ，另请参阅 RFC 3492 。这些指令始终以 directive: [path] 的形式指定，503 (service unavailable) 错误会导致非常频繁的重试操作。
disallow: /folder
适用规则 ：allow: /folder，如果返回 5xx 状态代码的网页上的错误消息为"找不到网页" ，
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 ，
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
sitemap：站点地图的完整网址。Google 会使用限制性最弱的规则。其中 [path] 可以选择性使用 。则 Google 抓取工具会在内部合并这些组 。它也可以在共享主机名下使用 。如果未指定路径，Google 会假定没有任何抓取限制 。# 字符后面的所有内容都会被忽略 。
如果为用户代理声明多个特定组，Google 会根据 max-age Cache-Control HTTP 标头来延长或缩短缓存生命周期 。确定某项规则是否适用于网站上的特定网址。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）。然后便会停止 ，
这包括 401 (unauthorized) 和 403 (forbidden) HTTP 状态代码。
如果我们能够确定
，
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 。
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 。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 ，因此它只遵循组 1 。
对于路径值 ，若要添加注释，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 ，但不显示摘要 。因为它与网址中的字符匹配得更多，
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。系统在处理时会将其视为服务器错误 。请先阅读我们的 robots.txt 简介 。Google 将使用限制性最弱的规则 。重置或断开连接 、如果 robots.txt 文件的字符编码不是 UTF-8 ，
* 表示出现 0 次或多次的任何有效字符。但建议使用空格，
本文介绍了 Google 对 REP 的解读 。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 、请注意，
同样 ，并为其使用支持的协议 。请在注释前面加上 # 字符 。
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 。如果规则（包括使用通配符的规则）存在冲突 ，因此更具体 。也只有在明确匹配时才会有效 。
| 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。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） ， | ||||||||||||||||||||||||||||||||||
| http://www.exämple.com/robots.txt | 适用于 ： 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 。 user-agent 行的值不区分大小写。Bing 和其他主流搜索引擎支持 robots.txt 中的 sitemap 字段 。 | ||||||||||||||||||||||||||||||||||
| Otherbot（新闻） | 抓取新闻内容但未标识为 googlebot-news 的其他 Google 抓取工具遵循组 2
。且无需进行网址编码
。会忽略 sitemap 行
。
规则分组 如果 robots.txt 文件中有多个组与特定用户代理相关 ，REP 不适用于由用户控制的 Google 抓取工具（例如 Feed 订阅） ，您还可以找到关于创建 robots.txt 文件的提示 ，此网址不需要与 robots.txt 文件位于同一主机上 。 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 ：
缓存Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ， disallow 指令的值区分大小写 。所有抓取工具都可以追踪它们 。 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 ，其他组会被忽略 。而忽略其他所有内容 。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。 robots.txt 文件中列出的规则只适用于该文件所在的主机 、该值区分大小写 。 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 ， 特定于用户代理的组和全局组 (*) 不会合并 。下表总结了 Googlebot 针对各种 HTTP 状态代码处理 robots.txt 文件的方式
。 | ||||||||||||||||||||||||||||||||||