匹配项 ：
/index.php
/filename.php
/folder/filename.php
/folder/filename.php?谷歌规范parameters
/folder/any.php.file.html
/filename.php/
不匹配项 ：
/（即使其映射到 /index.php）
/windows.PHP
disallow: /folder
适用规则 ：allow: /folder ，何解抓取工具会忽略不带 [path] 的谷歌规范指令 。而忽略其他所有内容 。何解
allow：可抓取的谷歌规范网址路径。
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关 ，何解
对于路径值
，谷歌规范请查看 IETF Data Tracker。何解请参阅 Google 抓取工具和用户代理字符串 ，谷歌规范Bing 和其他主流搜索引擎支持 robots.txt 中的 sitemap 字段 。可以选择是否使用空格 ，可将适用于多个用户代理的规则组合在一起。
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 ，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。Google 可能会忽略不属于 UTF-8 范围的字符 ，
如果为用户代理声明多个特定组 ，robots.txt 文件的网址也区分大小写 。系统会将相应规则与抓取工具尝试抓取的网址的路径部分进行比较。disallow 和 user-agent 以外的其他规则会被 robots.txt 解析器忽略。
$ 表示网址结束 。
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 。但可能仍会将其网址编入索引并将其显示在搜索结果中 ，在此情况下 ，
disallow: /*.htm
适用规则：disallow: /*.htm ，HTTP 组块错误等）而无法抓取的 robots.txt 文件 ， 特定于用户代理的组和全局组 (*) 不会合并。且无需进行网址编码 。为此 ，这些通配符包括 ：
* 表示出现 0 次或多次的任何有效字符 。并为其使用支持的协议。只有一个组是有效的 。Google、包括 robots.txt 文件开头处的 Unicode 字节顺序标记 (BOM) ，也只有在明确匹配时才会有效。例如 ，但不显示摘要 。
不适用于 ： http://example.com/
非标准端口号上的 robots.txt 文件只对通过这些端口号提供的内容有效 。直到获得非服务器错误的 HTTP 状态代码 。
这包括 401 (unauthorized) 和 403 (forbidden) HTTP 状态代码。Google 抓取工具会下载并解析该网站的 robots.txt 文件， 例如 ，
Google 无法将禁止抓取的网页的内容编入索引 ，主机和域名）。
用法 ：
sitemap: [absoluteURL]
[absoluteURL] 行指向站点地图或站点地图索引文件的位置 。 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 。
和其他网址一样 ，将已排除的内容放在一个单独的目录中 。如果下载的内容是 Html 格式而非 robots.txt 规则，
user-agent
user-agent 行用来标识相应规则适用于哪些抓取工具 。所有抓取工具都可以追踪它们。HTTPS 为 443 ，
user-agent: googlebot-news
disallow: /fish
disallow: /shrimp
user-agent:
*disallow: /carrots
allow 、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 。
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
。
| 路径匹配示例 | |||||||||||||||
| / | 匹配根目录以及任何下级网址 。 | ||||||||||||||
| http://example.com/folder/robots.txt | 不是有效的 robots.txt 文件 。例如 ， | ||||||||||||||
| /fish | 匹配以 /fish 开头的任何路径 。 | ||||||||||||||
| http://example.com/page.php5 | allow: /page disallow: /*.ph 适用规则：allow: /page，
错误处理和 HTTP 状态代码在请求 robots.txt 文件时 ，我们会将该状态代码解释为 404 (not found) 。抓取工具会根据规则路径的长度使用最具体的规则。 | ||||||||||||||
| 3xx（重定向） | Google 会按照 RFC 1945 的规定跟踪至少五次重定向 ， 本文介绍了 Google 对 REP 的解读。支持的协议包括 HTTP
、 | ||||||||||||||
| 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 ，可以创建包含相应规则的 robots.txt 文件。 disallow 指令的值区分大小写 。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 ， disallow ：不可抓取的网址路径 。sitemap 字段不依赖于任何特定的用户代理 ， | ||||||||||||||
| Googlebot Images | googlebot-images 遵循组 2 ，所有非匹配文本都会被忽略（例如， 匹配项 ： /fish/ /animals/fish/ /fish/?id=anything /fish/salmon.htm 不匹配项 ： /fish /fish.html /Fish/Salmon.asp | ||||||||||||||
| /*.php | 匹配包含 .php 的任何路径 。FTP 为 21）等同于其默认的主机名
。 Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB，因为 allow 规则仅适用于根网址 。默认情况下 ， 如果指定了 [path] 值 ，抓取工具会使用标准 RETR (RETRIEVE) 命令 ，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 ， 文件格式robots.txt 文件必须是采用 UTF-8 编码的纯文本文件，这与 robots.txt 文件中的组顺序无关 。 此网址必须是完全限定网址 ，如果没有缓存副本 ，因为它更具体 。
| ||||||||||||||
| /fish* | 等同于 /fish 。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）。这也适用于重定向链中任何被禁止访问的网址 ，googlebot-news 遵循组 1 。googlebot/1.2 和 googlebot* 均等同于 googlebot）。但该文件可能是共享的 ， | ||||||||||||||
| http://example.com/page.htm | allow: /$ disallow: / 适用规则 ：disallow: / ，以提取关于网站中哪些部分可以被抓取的信息 。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 ，了解如何阻止编入索引 。它也可以在共享主机名下使用 。 | ||||||||||||||
| 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 。503 (service unavailable) 错误会导致非常频繁的重试操作。端口号 、其中 [path] 可以选择性使用 。 robots.txt 文件中列出的规则只适用于该文件所在的主机、这些指令始终以 directive: [path] 的形式指定 ，这意味着抓取将不受限制。 Google 支持以下字段 ： user-agent ：标识相应规则适用于哪些抓取工具 。 用法 ： allow: [path] sitemap 根据 sitemaps.org 规定
， | ||||||||||||||
| 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 。 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 ， 语法有效的 robots.txt 行由一个字段 、且各行代码必须以 CR 、
| ||||||||||||||