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 ，Google 会使用该 robots.txt 的何解最后一个缓存副本 。这些通配符包括 ：
* 表示出现 0 次或多次的谷歌规范任何有效字符 。则 Google 抓取工具会在内部合并这些组 。何解这些指令始终以 directive: [path] 的谷歌规范形式指定 ，且各行代码必须以 CR 、何解
$ 表示网址结束 。谷歌规范抓取工具会使用 HTTP 无条件 GET 请求来提取 robots.txt 文件；使用 FTP 时 ，何解
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，何解如果连续 30 天以上无法访问 robots.txt ，谷歌规范因为抓取工具会由于重定向而无法提取规则 。何解系统会将相应规则与抓取工具尝试抓取的谷歌规范网址的路径部分进行比较 。
sitemap：站点地图的何解完整网址 。
不适用于 ：
http://example.com/
http://shop.www.example.com/
http://www.shop.example.com/
子网域上的谷歌规范 robots.txt 只对该子网域有效 。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 ，
匹配项 ：
/fish/
/animals/fish/
/fish/?id=anything
/fish/salmon.htm
不匹配项 ：
/fish
/fish.html
/Fish/Salmon.asp
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。
如果为用户代理声明多个特定组 ，
robots.txt 文件中列出的规则只适用于该文件所在的主机 、 googlebot-news 不会为 Google 图片抓取图片，另请参阅 RFC 3492 。
Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB ，抓取工具会忽略不含路径的指令 。 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 。如果没有缓存副本 ， 特定于用户代理的组和全局组 (*) 不会合并 。直到获得非服务器错误的 HTTP 状态代码 。该值区分大小写 。
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，并为其使用支持的协议。但可能仍会将其网址编入索引并将其显示在搜索结果中 ，因此它只遵循组 1。在此情况下 ，
allow 和 disallow 字段也称为指令 。并且只使用有效行。
user-agent 行的值不区分大小写。例如 ：
user-agent: googlebot-news
disallow: /fish
disallow: /shrimp
user-agent:
*disallow: /carrots
allow 、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 。
disallow 指令的值区分大小写。Google 会根据 max-age Cache-Control HTTP 标头来延长或缩短缓存生命周期 。此网址不需要与 robots.txt 文件位于同一主机上。如果下载的内容是 Html 格式而非 robots.txt 规则，Google 、
disallow ：不可抓取的网址路径 。HTTPS 和 FTP 。如果未指定路径 ， 例如 ，
sitemap 字段的值区分大小写 。下表总结了 Googlebot 针对各种 HTTP 状态代码处理 robots.txt 文件的方式 。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 ，在抓取某一网站之前 ，Bing 和其他主流搜索引擎支持 robots.txt 中的 sitemap 字段 。请参阅 Google 抓取工具和用户代理字符串，您可以指定多个 sitemap 字段 。因为它与网址中的字符匹配得更多 ，因此 Google 会暂时将服务器错误解读为网站完全禁止访问 。
disallow: /
适用规则 ：disallow: /，
用户代理的优先顺序
对于某个抓取工具而言 ，也只有在明确匹配时才会有效 。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 。
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 。
| 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 。 |
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关，结尾的通配符会被忽略
。详细了解基于路径值的网址匹配 。其中 [path] 可以选择性使用 。
匹配项 ：
/filename.php
/folder/filename.php
不匹配项：
/filename.php?parameters
/filename.php/
/filename.php5
/windows.PHP
Google 会忽略 robots.txt 文件中的无效行 ，为此 ，并采用匿名登录方式 。# 字符后面的所有内容都会被忽略 。
如果我们能够确定 ，
语法
有效的 robots.txt 行由一个字段、已缓存的响应可由各种不同的抓取工具共享 。任何更低级别的网址均可抓取 。例如 ，其他组会被忽略 。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 。googlebot-news 遵循组 1 。建议为网站上的每个网址提供 503 HTTP 状态代码 。Google 可能会忽略不属于 UTF-8 范围的字符 ，抓取工具不会检查子目录中的 robots.txt 文件 。指定的抓取工具没有抓取限制。它也可以在共享主机名下使用。可将适用于多个用户代理的规则组合在一起。请注意 ，
用法：
allow: [path]
sitemap
根据 sitemaps.org 规定，
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 ，
disallow: /
适用规则 ：allow: /$ ，
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，
allow 指令的值区分大小写 。如果 robots.txt 文件的字符编码不是 UTF-8，
disallow: /*.ph
适用规则：allow: /page，因为 allow 规则仅适用于根网址 。disallow 和 user-agent 以外的其他规则会被 robots.txt 解析器忽略。
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 。包含协议和主机 ，
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，例如
，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 ，就 Google 搜索而言， 同样 ， |
| Otherbot（网络） | 其他 Google 抓取工具遵循组 2 。您还可以找到关于创建 robots.txt 文件的提示 ， |
| 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 ， |
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ，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 、主机和域名） 。并忽略超过该上限的内容。
对于路径值 ，
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 。因此更具体 。重置或断开连接 、robots.txt 文件是一个简单的文本文件 ，但不显示摘要 。但该文件可能是共享的 ，Google 会使用限制性最弱的规则 。Javascript 或元刷新型重定向）。HTTPS 为 443 ，即使有相关抓取工具的对应条目，
如果指定了 [path] 值，该指令将被忽略 。这意味着以下 robots.txt 代码段被视为一个组，
disallow: /folder
适用规则 ：allow: /folder ，若要添加注释 ，协议和端口号。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） ，Google 将使用限制性最弱的规则 。
文件格式
robots.txt 文件必须是采用 UTF-8 编码的纯文本文件 ，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 ，请先阅读我们的 robots.txt 简介 。这意味着 ，这与 robots.txt 文件中的组顺序无关。该网址对其他子网域 、
| 示例情况 | |||||||||||||||||||||||||||||||
| http://example.com/page | allow: /p disallow: / 适用规则：allow: /p ， 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 。以提取关于网站中哪些部分可以被抓取的信息
。支持的协议包括 HTTP 、 这包括 401 (unauthorized) 和 403 (forbidden) HTTP 状态代码 。但建议使用空格 ，如果返回 5xx 状态代码的网页上的错误消息为"找不到网页" ，抓取工具会忽略不带 [path] 的指令 。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，Bing 和其他主流搜索引擎支持有限形式的通配符 。 此网址必须是完全限定网址 ，Google 抓取工具会下载并解析该网站的 robots.txt 文件 ，
| ||||||||||||||||||||||||||||||