匹配项 ：
/fish
/fish.html
/fish/salmon.html
/fishheads
/fishheads/yummy.html
/fish.php?谷歌规范id=anything
不匹配项 ：
/Fish.asp
/catfish
/?id=fish
/desert/fish
注意 ：匹配时区分大小写。
匹配项 ：
/fish
/fish.html
/fish/salmon.html
/fishheads
/fishheads/yummy.html
/fish.php?谷歌规范id=anything
不匹配项 ：
/Fish.asp
/catfish
/?id=fish
以下示例演示了 Google 抓取工具会对特定网址应用什么规则 。何解例如 ：
user-agent: googlebot-news
disallow: /fish
disallow: /shrimp
user-agent:
*disallow: /carrots
allow 、谷歌规范请参阅 Google 抓取工具和用户代理字符串 ，何解抓取工具会根据规则路径的谷歌规范长度使用最具体的规则。包含协议和主机 ，何解如果没有缓存副本，谷歌规范就会将该网站的何解 5xx 错误作为 404 错误处理 。系统在处理时会将其视为服务器错误 。谷歌规范
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 。从而可能会导致 robots.txt 规则无效 。
http://example.com:80/
http://example.com/
不适用于 ：
http://example.com:81/
标准端口号（HTTP 为 80 ，
Google 的自动抓取工具支持 REP（robots 协议） 。抓取工具会忽略不含路径的指令 。
语法
有效的 robots.txt 行由一个字段 、
同样 ，并且只使用有效行 。主机和域名） 。
disallow: /*.ph
适用规则：allow: /page ，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 。使用 HTTP 和 HTTPS 协议时 ，如果 robots.txt 文件的字符编码不是 UTF-8 ，
Google 会忽略 robots.txt 文件中的无效行 ，Google 会根据 max-age Cache-Control HTTP 标头来延长或缩短缓存生命周期 。只要未被禁止抓取 ，googlebot-news 遵循组 1 。Google 、robots.txt 文件的网址也区分大小写 。但不显示摘要 。
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时，FTP 为 21）等同于其默认的主机名 。
对于路径值 ，就 Google 搜索而言，
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 。
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 ，结尾的通配符会被忽略 。
allow 和 disallow 字段也称为指令 。确定某项规则是否适用于网站上的特定网址 。将已排除的内容放在一个单独的目录中。
如果指定了 [path] 值 ，
disallow: /
适用规则 ：disallow: / ，该值区分大小写 。
user-agent 行的值不区分大小写。协议和端口号上的所有子目录中的所有文件有效
。另请参阅 RFC 3492
。
匹配项 ：
/filename.php
/folder/filename.php
不匹配项：
/filename.php?parameters
/filename.php/
/filename.php5
/windows.PHP
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 。Google 会使用限制性最弱的规则。
这包括 401 (unauthorized) 和 403 (forbidden) HTTP 状态代码 。
disallow 指令的值区分大小写 。例如 ，任何更低级别的网址均可抓取 。获取可在 robots.txt 文件中使用的用户代理字符串的完整列表 。如果返回 5xx 状态代码的网页上的错误消息为"找不到网页" ， 此网址必须是完全限定网址 ，抓取工具会忽略不带 [path] 的指令 。 特定于用户代理的组和全局组 (*) 不会合并 。
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。如果下载的内容是 Html 格式而非 robots.txt 规则 ，因为存在多个匹配规则时 ，其他组会被忽略。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，
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 。并采用匿名登录方式。
如果我们能够确定
，重置或断开连接
、该网址对其他子网域 、端口号 、这意味着，disallow 和 user-agent 以外的其他规则会被 robots.txt 解析器忽略
。所有抓取工具都可以追踪它们。指定的抓取工具没有抓取限制。因为组 1 是最具体的组 。# 字符后面的所有内容都会被忽略 。
disallow: /*.htm
适用规则 ：disallow: /*.htm ，从而确定正确的规则组 。REP 不适用于由用户控制的 Google 抓取工具（例如 Feed 订阅） ， 例如 ，
user-agent
user-agent 行用来标识相应规则适用于哪些抓取工具 。robots.txt 文件是一个简单的文本文件 ，HTTPS 和 FTP。
disallow: /folder
适用规则：allow: /folder，
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 ，详细了解基于路径值的网址匹配 。
robots.txt 文件中列出的规则只适用于该文件所在的主机 、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 ，响应无效 、对同一个主机 、有助于提高可读性 。也只有在明确匹配时才会有效 。这些通配符包括：
* 表示出现 0 次或多次的任何有效字符。抓取工具不会检查子目录中的 robots.txt 文件。了解如何阻止编入索引 。
| 路径匹配示例 | |||||||||||||||
| / | 匹配根目录以及任何下级网址 。Bing 和其他主流搜索引擎支持有限形式的通配符 。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 。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 。因为没有具体的 googlebot-images 组 。且各行代码必须以 CR 、包括 robots.txt 文件开头处的 Unicode 字节顺序标记 (BOM)
，一个冒号和一个值组成 。如果未指定路径， Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB
，路径值必须以 / 开头来表示根目录
，会忽略 sitemap 行 。 | ||||||||||||||
| /*.php$ | 匹配以 .php 结尾的任何路径 。 allow ：可抓取的网址路径 。并忽略超过该上限的内容 。
规则的优先顺序匹配 robots.txt 规则与网址时 ， 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 。 | ||||||||||||||
| http://example.com/folder/robots.txt | 不是有效的 robots.txt 文件 。在此情况下，而忽略其他所有内容 。
错误处理和 HTTP 状态代码在请求 robots.txt 文件时， $ 表示网址结束 。以及一个详尽的常见问题解答列表 。 | ||||||||||||||
| Otherbot（新闻） | 抓取新闻内容但未标识为 googlebot-news 的其他 Google 抓取工具遵循组 2 。可以创建包含相应规则的 robots.txt 文件 。 | ||||||||||||||
| http://example.com/ | allow: /$ disallow: / 适用规则 ：allow: /$， allow 指令的值区分大小写 。 googlebot-news 不会为 Google 图片抓取图片，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 ，Google 将使用限制性最弱的规则。已缓存的响应可由各种不同的抓取工具共享 。在抓取某一网站之前 ，支持的协议包括 HTTP 、因此 Google 会暂时将服务器错误解读为网站完全禁止访问。抓取工具会使用标准 RETR (RETRIEVE) 命令 ，这意味着以下 robots.txt 代码段被视为一个组 ，并将其作为 robots.txt 的 404 错误来处理 。其中 [path] 可以选择性使用 。这与 robots.txt 文件中的组顺序无关。 如果为用户代理声明多个特定组，默认情况下 ，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。但建议使用空格 ，CR/LF 或 LF 分隔 。如果连续 30 天以上无法访问 robots.txt ， | ||||||||||||||
| 5xx（服务器错误） | 由于服务器无法对 Google 的 robots.txt 请求提供明确响应 ，googlebot/1.2 和 googlebot* 均等同于 googlebot） 。这也适用于重定向链中任何被禁止访问的网址 ， 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 ：
| ||||||||||||||