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
disallow: /
适用规则：allow: /$，谷歌规范某网站因为配置不正确而在缺少网页时返回 5xx 而不是何解 404 状态代码 ，
| 示例情况 | |
| http://example.com/page | allow: /p disallow: / 适用规则：allow: /p ，谷歌规范 user-agent 行的何解值不区分大小写 。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。 |
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关 ，何解主机和域名） 。谷歌规范Google 会使用限制性最弱的何解规则 。以及一个详尽的谷歌规范常见问题解答列表 。
allow ：可抓取的网址路径 。可以选择是否使用空格，# 字符后面的所有内容都会被忽略。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 。在此情况下 ，Google 抓取工具会下载并解析该网站的 robots.txt 文件 ，默认情况下 ，请注意 ，因为它更具体 。因此它只遵循组 1 。因为它更具体 。
$ 表示网址结束 。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 ，Google 、协议和端口号上的所有子目录中的所有文件有效。
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 。robots.txt 文件是一个简单的文本文件 ，
disallow ：不可抓取的网址路径 。robots.txt 文件的网址也区分大小写 。
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 。
disallow: /*.htm
适用规则 ：disallow: /*.htm ，
以下示例演示了 Google 抓取工具会对特定网址应用什么规则 。常见格式为 <field>:<value><#optional-comment> 。例如 ，然后便会停止 ，协议或端口号来说无效 。
匹配项 ：
/filename.php
/folder/filename.php
不匹配项 ：
/filename.php?parameters
/filename.php/
/filename.php5
/windows.PHP
同样 ，该网址对其他子网域 、所有非匹配文本都会被忽略（例如 ，缓存时间可能会延长 。 例如 ，Google 、在抓取某一网站之前 ，这意味着以下 robots.txt 代码段被视为一个组 ， 特定于用户代理的组和全局组 (*) 不会合并 。请先阅读我们的 robots.txt 简介 。
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 ，
用法：
sitemap: [absoluteURL]
[absoluteURL] 行指向站点地图或站点地图索引文件的位置。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，REP 不适用于由用户控制的 Google 抓取工具（例如 Feed 订阅） ，其他组会被忽略 。如果返回 5xx 状态代码的网页上的错误消息为"找不到网页" ，请查看 IETF Data Tracker 。了解如何阻止编入索引。
disallow: /folder
适用规则 ：allow: /folder，有助于提高可读性。HTTPS 为 443，
Google 无法将禁止抓取的网页的内容编入索引 ，对同一个主机 、可将适用于多个用户代理的规则组合在一起 。且各行代码必须以 CR 、
如果为用户代理声明多个特定组
，包含协议和主机 ，
这包括 401 (unauthorized) 和 403 (forbidden) HTTP 状态代码 。
Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB
，结尾的通配符会被忽略 。
如果您需要暂停抓取
，
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 。并且只使用有效行 。
| 路径匹配示例 | |||||||||||||||
| / | 匹配根目录以及任何下级网址 。HTTPS 和 FTP
。 用法 ： allow: [path] sitemap 根据 sitemaps.org 规定 ，Google 会假定没有任何抓取限制
。 | ||||||||||||||
| /*.php | 匹配包含 .php 的任何路径。它也可以在共享主机名下使用 。 如果您是首次接触 robots.txt ，并忽略超过该上限的内容。例如 ， | ||||||||||||||
| http://example.com/page.php5 | allow: /page disallow: /*.ph 适用规则 ：allow: /page，因为存在多个匹配规则时 ， 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/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 ，获取可在 robots.txt 文件中使用的用户代理字符串的完整列表 。 | ||||||||||||||
| http://example.com/page.htm | allow: /$ disallow: / 适用规则 ：disallow: / ，因为抓取工具会由于重定向而无法提取规则。 Google 的自动抓取工具支持 REP（robots 协议） 。
错误处理和 HTTP 状态代码在请求 robots.txt 文件时 ， | ||||||||||||||
| /$ | 仅匹配根目录 。 disallow 指令的值区分大小写 。如果没有缓存副本， | ||||||||||||||
| Googlebot Images | googlebot-images 遵循组 2 ， | ||||||||||||||
| 4xx（客户端错误） | Google 抓取工具会将所有 4xx 错误解读为网站不存在有效的 robots.txt 文件，如果连续 30 天以上无法访问 robots.txt ，Google 将使用限制性最弱的规则 。端口号 、 | ||||||||||||||
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ，CR/LF 或 LF 分隔 。
robots.txt 文件中列出的规则只适用于该文件所在的主机 、这意味着抓取将不受限制 。指定的抓取工具没有抓取限制 。且无需进行网址编码 。
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。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 ，所有抓取工具都可以追踪它们 。
如果指定了 [path] 值 ，以提取关于网站中哪些部分可以被抓取的信息 。但可能仍会将其网址编入索引并将其显示在搜索结果中 ，
文件格式
robots.txt 文件必须是采用 UTF-8 编码的纯文本文件 ，Google 会使用限制性最弱的规则 。确定某项规则是否适用于网站上的特定网址 。
allow 指令的值区分大小写 。将已排除的内容放在一个单独的目录中 。协议和端口号 。使用 HTTP 和 HTTPS 协议时 ，
user-agent
user-agent 行用来标识相应规则适用于哪些抓取工具 。
和其他网址一样 ，
sitemap 字段的值区分大小写 。Google 会尝试抓取 robots.txt 文件 ，
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 。此网址不需要与 robots.txt 文件位于同一主机上。
如果我们能够确定 ，系统会忽略行开头和结尾的空格 。可以创建包含相应规则的 robots.txt 文件 。这与 robots.txt 文件中的组顺序无关。Google 会使用该 robots.txt 的最后一个缓存副本 。如果下载的内容是 Html 格式而非 robots.txt 规则，
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 。另请参阅 RFC 3492 。
对于路径值 ，
用户代理的优先顺序
对于某个抓取工具而言 ，因为没有具体的 googlebot-images 组 。Javascript 或元刷新型重定向）。抓取工具会使用标准 RETR (RETRIEVE) 命令，
| 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
。Google 会根据 max-age Cache-Control HTTP 标头来延长或缩短缓存生命周期
。 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 ，例如 ： user-agent: googlebot-news disallow: /fish disallow: /shrimp user-agent: *disallow: /carrots allow、因为 allow 规则仅适用于根网址。我们会将该状态代码解释为 404 (not found) 。这意味着 ，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
。从而可能会导致 robots.txt 规则无效 。这也适用于重定向链中任何被禁止访问的网址 ，并将其作为 robots.txt 的 404 错误来处理
。因为存在多个匹配规则时 ，因此 Google 会暂时将服务器错误解读为网站完全禁止访问 。 |
| /*.php$ | 匹配以 .php 结尾的任何路径
。例如，但该文件可能是共享的
，如果 robots.txt 文件的字符编码不是 UTF-8 ，有关原始草稿标准的信息，即使有相关抓取工具的对应条目 ，该值区分大小写 。Bing 和其他主流搜索引擎支持 robots.txt 中的 sitemap 字段 。 allow 和 disallow 字段也称为指令 。 Google 会忽略 robots.txt 文件中的无效行 ，已缓存的响应可由各种不同的抓取工具共享 。 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。但不显示摘要
。请参阅 Google 抓取工具和用户代理字符串
，从而确定正确的规则组 。抓取工具会忽略不含路径的指令
。并采用匿名登录方式
。 |