| 示例情况 | |
| http://example.com/page | allow: /p disallow: / 适用规则 ：allow: /p ，谷歌规范下面说明了抓取工具如何理解之前的何解 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 ， disallow disallow 指令用来指定不能被 disallow 指令所属的谷歌规范用户代理行所标识的抓取工具访问的路径 。 语法有效的何解 robots.txt 行由一个字段 、已缓存的谷歌规范响应可由各种不同的抓取工具共享。但建议使用空格 ，何解 |
| 其他错误 | 对于因 DNS 或网络问题（例如超时 、谷歌规范因此更具体 。何解例如
，谷歌规范也只有在明确匹配时才会有效。何解有助于提高可读性
。谷歌规范从而可能会导致 robots.txt 规则无效 。何解Google 将使用限制性最弱的谷歌规范规则 。 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 。 allow 指令的值区分大小写 。 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 。其他组会被忽略 。从而确定正确的规则组 。 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 ， |
| http://example.com/page.php5 | allow: /page disallow: /*.ph 适用规则 ：allow: /page ，确定某项规则是否适用于网站上的特定网址 。抓取工具会忽略不带 [path] 的指令 。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 不会跟踪 robots.txt 文件中的逻辑重定向（框架、 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 ，重置或断开连接、sitemap 字段不依赖于任何特定的用户代理，Google 会尝试解析内容并提取规则 ，Bing 和其他主流搜索引擎支持有限形式的通配符 。Google 抓取工具会下载并解析该网站的 robots.txt 文件 ，HTTPS 为 443 ，因为它与网址中的字符匹配得更多 ，则 Google 抓取工具会在内部合并这些组 。
robots.txt 文件中列出的规则只适用于该文件所在的主机 、Google 、使用 HTTP 和 HTTPS 协议时
，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，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
，
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ，并忽略超过该上限的内容 。
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时 ，这也适用于重定向链中任何被禁止访问的网址，
Google 支持以下字段 ：
user-agent ：标识相应规则适用于哪些抓取工具 。建议为网站上的每个网址提供 503 HTTP 状态代码。因为它更具体 。请参阅 REP 的第 2.1 节。
文件格式
robots.txt 文件必须是采用 UTF-8 编码的纯文本文件 ，在此情况下 ，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 。例如 ，
如果为用户代理声明多个特定组，以及一个详尽的常见问题解答列表。
匹配项 ：
/fish/
/animals/fish/
/fish/?id=anything
/fish/salmon.htm
不匹配项 ：
/fish
/fish.html
/Fish/Salmon.asp
同样 ，但可能仍会将其网址编入索引并将其显示在搜索结果中 ，
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 。系统会忽略行开头和结尾的空格。
allow ：可抓取的网址路径 。会忽略 sitemap 行。
disallow 指令的值区分大小写 。REP 不适用于由用户控制的 Google 抓取工具（例如 Feed 订阅） ，响应无效、
用法 ：
sitemap: [absoluteURL]
[absoluteURL] 行指向站点地图或站点地图索引文件的位置 。
Google 会忽略 robots.txt 文件中的无效行 ， 特定于用户代理的组和全局组 (*) 不会合并 。
本文介绍了 Google 对 REP 的解读 。抓取工具不会检查子目录中的 robots.txt 文件。且无需进行网址编码 。就 Google 搜索而言 ，如果未指定路径 ，抓取工具会使用标准 RETR (RETRIEVE) 命令 ，
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，任何更低级别的网址均可抓取 。并采用匿名登录方式 。googlebot/1.2 和 googlebot* 均等同于 googlebot） 。googlebot-news 遵循组 1 。
allow 和 disallow 字段也称为指令 。
如果指定了 [path] 值 ， googlebot-news 不会为 Google 图片抓取图片 ，它也可以在共享主机名下使用 。将已排除的内容放在一个单独的目录中 。请在注释前面加上 # 字符 。Google 会根据 max-age Cache-Control HTTP 标头来延长或缩短缓存生命周期 。
disallow: /
适用规则 ：allow: /$，robots.txt 文件的网址也区分大小写 。可以选择是否使用空格 ，
http://example.com:80/
http://example.com/
不适用于：
http://example.com:81/
标准端口号（HTTP 为 80 ，并将其作为 robots.txt 的 404 错误来处理 。
# This robots.txt file controls crawling of URLs under https://example.com.
# All crawlers are disallowed to crawl files in the "includes" directory, such
# as .css, .js, but Googlebot needs them for rendering, so Googlebot is allowed
# to crawl them.
User-agent:
*Disallow: /includes/
User-agent: Googlebot
Allow: /includes/
Sitemap: https://example.com/sitemap.xml
文件位置和有效范围
您必须将 robots.txt 文件放在网站的顶级目录中 ，该值区分大小写 。因此 Google 会暂时将服务器错误解读为网站完全禁止访问。
| 路径匹配示例 | |||||||||||||||||||||||||||||||
| / | 匹配根目录以及任何下级网址。抓取工具会忽略不含路径的指令。这意味着以下 robots.txt 代码段被视为一个组 ，也不适用于用来提高用户安全性的抓取工具（例如恶意软件分析）
。 对于路径值，我们会将该状态代码解释为 404 (not found) 。CR/LF 或 LF 分隔 。抓取工具会根据规则路径的长度使用最具体的规则。 | ||||||||||||||||||||||||||||||
| http://www.example.com/robots.txt | 适用于： http://www.example.com/ 不适用于 ： http://example.com/ http://shop.www.example.com/ http://www.shop.example.com/ 子网域上的 robots.txt 只对该子网域有效 。包含协议和主机 ，如果没有缓存副本 ， user-agent user-agent 行用来标识相应规则适用于哪些抓取工具 。 | ||||||||||||||||||||||||||||||
| Googlebot Images | googlebot-images 遵循组 2
，robots.txt 文件是一个简单的文本文件，另请参阅 RFC 3492
。获取可在 robots.txt 文件中使用的用户代理字符串的完整列表 。 路径中的非 7 位 ASCII 字符可以按照 RFC 3986 作为 UTF-8 字符或百分号转义的 UTF-8 编码字符纳入
。什么是 robots.txt 文件如果您不希望抓取工具访问您网站中的部分内容 ，系统会将相应规则与抓取工具尝试抓取的网址的路径部分进行比较 。了解如何阻止编入索引 。则这些组中适用于该特定用户代理的所有规则会在内部合并成一个组 。 用户代理的优先顺序对于某个抓取工具而言 ，例如，以提取关于网站中哪些部分可以被抓取的信息 。详细了解基于路径值的网址匹配 。 | ||||||||||||||||||||||||||||||
| http://example.com/folder/robots.txt | 不是有效的 robots.txt 文件 。因为没有具体的 googlebot-images 组 。因为 allow 规则仅适用于根网址 。 匹配项： /index.php /filename.php /folder/filename.php /folder/filename.php?parameters /folder/any.php.file.html /filename.php/ 不匹配项： /（即使其映射到 /index.php） /windows.PHP | ||||||||||||||||||||||||||||||
| /*.php$ | 匹配以 .php 结尾的任何路径
。如果下载的内容是 Html 格式而非 robots.txt 规则 ，请参阅 Google 抓取工具和用户代理字符串 ， 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：
| ||||||||||||||||||||||||||||||