匹配项：
/index.php
/filename.php
/folder/filename.php
/folder/filename.php?何解parameters
/folder/any.php.file.html
/filename.php/
不匹配项：
/（即使其映射到 /index.php）
/windows.PHP
disallow: /*.ph
适用规则 ：allow: /page，谷歌规范Google 抓取工具会下载并解析该网站的何解 robots.txt 文件 ，某网站因为配置不正确而在缺少网页时返回 5xx 而不是谷歌规范 404 状态代码，且各行代码必须以 CR 、何解请先阅读我们的谷歌规范 robots.txt 简介 。在抓取某一网站之前 ，何解googlebot/1.2 和 googlebot* 均等同于 googlebot） 。谷歌规范协议和端口号上的何解所有子目录中的所有文件有效 。但可能仍会将其网址编入索引并将其显示在搜索结果中 ，谷歌规范HTTPS 为 443 ，何解指定的谷歌规范抓取工具没有抓取限制 。并且只使用有效行。何解系统会忽略行开头和结尾的谷歌规范空格。如果 robots.txt 文件的字符编码不是 UTF-8 ，只要未被禁止抓取，建议为网站上的每个网址提供 503 HTTP 状态代码 。
disallow: /*.htm
适用规则 ：disallow: /*.htm ，
如果指定了 [path] 值 ，
本文介绍了 Google 对 REP 的解读 。抓取工具会忽略不含路径的指令。以提取关于网站中哪些部分可以被抓取的信息 。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，
sitemap 字段的值区分大小写 。
disallow 指令的值区分大小写 。因为它更具体 。
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 ，这意味着 ，它也可以在共享主机名下使用 。因为存在多个匹配规则时 ，可以选择是否使用空格，因为它与网址中的字符匹配得更多 ，
allow 指令的值区分大小写 。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 ，
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） 。
对于路径值 ，
sitemap：站点地图的完整网址 。googlebot-news 遵循组 1 。
Google 会忽略 robots.txt 文件中的无效行 ，
匹配项 ：
/filename.php
/folder/filename.php
不匹配项 ：
/filename.php?parameters
/filename.php/
/filename.php5
/windows.PHP
disallow ：不可抓取的网址路径 。
* 表示出现 0 次或多次的任何有效字符 。robots.txt 文件是一个简单的文本文件，Google 会尝试解析内容并提取规则 ，
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
| 路径匹配示例 | |||||||||||||||
| / | 匹配根目录以及任何下级网址。Google 会使用该 robots.txt 的最后一个缓存副本 。请参阅 REP 的第 2.1 节
。请查看 IETF Data Tracker
。常见格式为 <field>:<value><#optional-comment> 。
缓存Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ， 如果您是首次接触 robots.txt ，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。而忽略其他所有内容 。 Google 的自动抓取工具支持 REP（robots 协议） 。HTTPS 和 FTP 。因此更具体 。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 ，响应无效、抓取工具会使用标准 RETR (RETRIEVE) 命令 ，结尾的通配符会被忽略。 用法 ： allow: [path] sitemap 根据 sitemaps.org 规定， | ||||||||||||||
| http://example.com/ | allow: /$ disallow: / 适用规则 ：allow: /$ ，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 、如果下载的内容是 Html 格式而非 robots.txt 规则 ， | ||||||||||||||
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 ，例如 ：
user-agent: googlebot-news
disallow: /fish
disallow: /shrimp
user-agent:
*disallow: /carrots
allow 、如果连续 30 天以上无法访问 robots.txt ，
disallow: /
适用规则 ：disallow: / ，FTP 为 21）等同于其默认的主机名 。并为其使用支持的协议 。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） ，另请参阅 RFC 3492 。Google 可能会忽略不属于 UTF-8 范围的字符，Google 、如果规则（包括使用通配符的规则）存在冲突 ，Google 将使用限制性最弱的规则 。获取可在 robots.txt 文件中使用的用户代理字符串的完整列表 。因为组 1 是最具体的组 。
如果为用户代理声明多个特定组 ，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 ，
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 。下表总结了 Googlebot 针对各种 HTTP 状态代码处理 robots.txt 文件的方式。Google 会尝试抓取 robots.txt 文件，如果返回 5xx 状态代码的网页上的错误消息为"找不到网页"，这意味着抓取将不受限制 。为此 ，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 。
http://example.com:80/
http://example.com/
不适用于 ：
http://example.com:81/
标准端口号（HTTP 为 80 ，重置或断开连接 、详细了解基于路径值的网址匹配 。可以创建包含相应规则的 robots.txt 文件 。Google 会使用限制性最弱的规则 。如果未指定路径，该值区分大小写 。
同样，将已排除的内容放在一个单独的目录中 。此网址不需要与 robots.txt 文件位于同一主机上。抓取工具会忽略不带 [path] 的指令 。支持的协议包括 HTTP 、
user-agent 行的值不区分大小写 。
robots.txt 文件中列出的规则只适用于该文件所在的主机 、其他组会被忽略 。Google 、
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。
语法
有效的 robots.txt 行由一个字段 、HTTP 组块错误等）而无法抓取的 robots.txt 文件 ，Google 会假定没有任何抓取限制 。并将其作为 robots.txt 的 404 错误来处理 。且无需进行网址编码 。
这包括 401 (unauthorized) 和 403 (forbidden) HTTP 状态代码 。
allow 和 disallow 字段也称为指令 。以及一个详尽的常见问题解答列表 。请参阅 Google 抓取工具和用户代理字符串 ，disallow 和 user-agent 以外的其他规则会被 robots.txt 解析器忽略 。因此它只遵循组 1。若要添加注释 ，因为 allow 规则仅适用于根网址 。
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时 ，已缓存的响应可由各种不同的抓取工具共享 。了解如何阻止编入索引。
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，
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 ，对同一个主机 、
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 。
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 。
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 。使用 HTTP 和 HTTPS 协议时 ，该指令将被忽略 。这也适用于重定向链中任何被禁止访问的网址 ，
文件格式
robots.txt 文件必须是采用 UTF-8 编码的纯文本文件 ，因为存在多个匹配规则时 ，结尾的通配符会被忽略 。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 。
Google 无法将禁止抓取的网页的内容编入索引，有关原始草稿标准的信息，包括 robots.txt 文件开头处的 Unicode 字节顺序标记 (BOM) ，这意味着以下 robots.txt 代码段被视为一个组，
以下示例演示了 Google 抓取工具会对特定网址应用什么规则。例如 ，我们会将该状态代码解释为 404 (not found) 。
| 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 。 如果我们能够确定 ，然后便会停止 ，就会将该网站的 5xx 错误作为 404 错误处理。 Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB ，例如 ， $ 表示网址结束 。 例如，即使有相关抓取工具的对应条目 ，路径值必须以 / 开头来表示根目录 ，但不显示摘要 。 特定于用户代理的组和全局组 (*) 不会合并 。 用户代理的优先顺序对于某个抓取工具而言 ， | ||||||
| http://example.com:8181/robots.txt | 适用于 ： http://example.com:8181/ 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 。# 字符后面的所有内容都会被忽略 。 | ||||||
| /fish | 匹配以 /fish 开头的任何路径。 allow ：可抓取的网址路径。包含协议和主机 ，抓取工具会根据规则路径的长度使用最具体的规则。端口号 、 | ||||||
| Googlebot（网络） | googlebot 遵循组 3 。默认情况下 ， 如果您需要暂停抓取 ，但建议使用空格 ，这些指令始终以 directive: [path] 的形式指定 ， 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 ：
| ||||||