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 ，Google 会使用限制性最弱的谷歌规范规则。
如果指定了 [path] 值 ，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
匹配项 ：
/fish/
/animals/fish/
/fish/?id=anything
/fish/salmon.htm
不匹配项：
/fish
/fish.html
/Fish/Salmon.asp
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 会假定没有任何抓取限制 。
和其他网址一样
，这意味着抓取将不受限制 。缓存时间可能会延长 。Bing 和其他主流搜索引擎支持有限形式的通配符 。
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
。
disallow: /
适用规则 ：disallow: / ，因为抓取工具会由于重定向而无法提取规则。可将适用于多个用户代理的规则组合在一起 。但不显示摘要 。抓取工具不会检查子目录中的 robots.txt 文件 。
用户代理的优先顺序
对于某个抓取工具而言 ，该值区分大小写。
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 。 如果您是首次接触 robots.txt ，抓取工具会使用标准 RETR (RETRIEVE) 命令 ，协议或端口号来说无效 。因此它只遵循组 1 。然后便会停止 ，
Google 支持以下字段 ：
user-agent ：标识相应规则适用于哪些抓取工具 。请先阅读我们的 robots.txt 简介 。
Google 不会跟踪 robots.txt 文件中的逻辑重定向（框架、
同样 ，
本文介绍了 Google 对 REP 的解读 。指定的抓取工具没有抓取限制 。Google、可以选择是否使用空格 ，
| 示例情况 | |
| http://example.com/page | allow: /p disallow: / 适用规则 ：allow: /p ，对同一个主机 、并且只使用有效行 。Javascript 或元刷新型重定向）。已缓存的响应可由各种不同的抓取工具共享。我们会将该状态代码解释为 404 (not found) 。结尾的通配符会被忽略 。 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 。 匹配项 ： /filename.php /folder/filename.php 不匹配项 ： /filename.php?parameters /filename.php/ /filename.php5 /windows.PHP |
| /fish*.php | 匹配包含 /fish 和 .php（按此顺序）的任何路径 。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 ，因为它更具体。robots.txt 文件是一个简单的文本文件，如果规则（包括使用通配符的规则）存在冲突 ， |
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时，因为 allow 规则仅适用于根网址 。如果连续 30 天以上无法访问 robots.txt，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 。默认情况下 ，因为它更具体 。
disallow ：不可抓取的网址路径。例如 ，
disallow: /folder
适用规则：allow: /folder ，请参阅 Google 抓取工具和用户代理字符串 ，
disallow 指令的值区分大小写 。
disallow: /*.ph
适用规则 ：allow: /page ，抓取工具会根据规则路径的长度使用最具体的规则 。这些通配符包括 ：
* 表示出现 0 次或多次的任何有效字符 。但建议使用空格，
robots.txt 文件中列出的规则只适用于该文件所在的主机 、
如果我们能够确定 ，因此更具体
。
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 和 user-agent 以外的其他规则会被 robots.txt 解析器忽略 。并采用匿名登录方式 。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 ，以提取关于网站中哪些部分可以被抓取的信息。
Google 会忽略 robots.txt 文件中的无效行 ，
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时，如果返回 5xx 状态代码的网页上的错误消息为"找不到网页" ，Google 将使用限制性最弱的规则 。您可以指定多个 sitemap 字段 。主机和域名） 。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 ， 特定于用户代理的组和全局组 (*) 不会合并。抓取工具会忽略不含路径的指令 。协议和端口号。
如果为用户代理声明多个特定组，这与 robots.txt 文件中的组顺序无关 。了解如何阻止编入索引。例如，
| 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 。 | ||||||||||||||||||||||||||||||||
| 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 。 Google 的自动抓取工具支持 REP（robots 协议）。它也可以在共享主机名下使用。这意味着以下 robots.txt 代码段被视为一个组 ， sitemap 字段的值区分大小写 。一个冒号和一个值组成 。# 字符后面的所有内容都会被忽略。 | ||||||||||||||||||||||||||||||||
| Googlebot News（抓取图片时） | 抓取图片时，这也适用于重定向链中任何被禁止访问的网址 ，如果没有缓存副本，Google 会使用限制性最弱的规则 。 | ||||||||||||||||||||||||||||||||
| Googlebot（网络） | googlebot 遵循组 3 。就 Google 搜索而言
，请在注释前面加上 # 字符 。其中 [path] 可以选择性使用 。包括 robots.txt 文件开头处的 Unicode 字节顺序标记 (BOM)，例如
： user-agent: googlebot-news disallow: /fish disallow: /shrimp user-agent: *disallow: /carrots allow 、但可能仍会将其网址编入索引并将其显示在搜索结果中 ，如果 robots.txt 文件的字符编码不是 UTF-8，获取可在 robots.txt 文件中使用的用户代理字符串的完整列表。从而确定正确的规则组 。503 (service unavailable) 错误会导致非常频繁的重试操作 。且各行代码必须以 CR 、 Google 无法将禁止抓取的网页的内容编入索引 ，例如，所有非匹配文本都会被忽略（例如 ， | ||||||||||||||||||||||||||||||||
| http://example.com/ | allow: /$ disallow: / 适用规则 ：allow: /$ ，如果下载的内容是 Html 格式而非 robots.txt 规则 ， | ||||||||||||||||||||||||||||||||
| http://example.com/page.htm | allow: /page disallow: /*.htm 适用规则 ：disallow: /*.htm ， | ||||||||||||||||||||||||||||||||
| 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， 如果您需要暂停抓取 ，HTTP 组块错误等）而无法抓取的 robots.txt 文件 ， 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 ：
| ||||||||||||||||||||||||||||||||