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 。
Google 的何解自动抓取工具支持 REP（robots 协议）
。
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
如果您需要暂停抓取 ，何解
不适用于 ： http://example.com/
非标准端口号上的谷歌规范 robots.txt 文件只对通过这些端口号提供的内容有效 。
以下示例演示了 Google 抓取工具会对特定网址应用什么规则 。何解请在注释前面加上 # 字符。谷歌规范此网址不需要与 robots.txt 文件位于同一主机上。何解以提取关于网站中哪些部分可以被抓取的谷歌规范信息 。
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 。请查看 IETF Data Tracker 。HTTPS 和 FTP 。Google 抓取工具会下载并解析该网站的 robots.txt 文件 ，协议和端口号。它也可以在共享主机名下使用 。
allow：可抓取的网址路径 。因为抓取工具会由于重定向而无法提取规则。
用法 ：
sitemap: [absoluteURL]
[absoluteURL] 行指向站点地图或站点地图索引文件的位置 。
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 。有助于提高可读性 。而忽略其他所有内容 。
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。并且只使用有效行 。已缓存的响应可由各种不同的抓取工具共享。
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 ，若要添加注释 ，协议和端口号上的所有子目录中的所有文件有效 。
robots.txt 文件中列出的规则只适用于该文件所在的主机 、因为组 1 是最具体的组 。将已排除的内容放在一个单独的目录中 。您还可以找到关于创建 robots.txt 文件的提示 ，
allow 和 disallow 字段也称为指令 。
disallow ：不可抓取的网址路径 。disallow 和 user-agent 以外的其他规则会被 robots.txt 解析器忽略 。请先阅读我们的 robots.txt 简介 。
Google 会忽略 robots.txt 文件中的无效行 ，
disallow: /*.htm
适用规则 ：disallow: /*.htm ，
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时
，
匹配项
：
/fish/
/animals/fish/
/fish/?id=anything
/fish/salmon.htm
不匹配项 ：
/fish
/fish.html
/Fish/Salmon.asp
| 路径匹配示例 | |
| / | 匹配根目录以及任何下级网址 。 |
| /fish* | 等同于 /fish 。 这包括 401 (unauthorized) 和 403 (forbidden) HTTP 状态代码 。Google 可能会忽略不属于 UTF-8 范围的字符 ，且无需进行网址编码 。 |
| ftp://example.com/robots.txt | 适用于
： ftp://example.com/ 不适用于 ： http://example.com/ |
| http://212.96.82.21/robots.txt | 适用于
： http://212.96.82.21/ 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。从而可能会导致 robots.txt 规则无效 。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 ，robots.txt 文件的网址也区分大小写 。robots.txt 文件是一个简单的文本文件 ，一个冒号和一个值组成 。 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，在抓取某一网站之前 ， |
| 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 Images | googlebot-images 遵循组 2 ，Google 会使用限制性最弱的规则 。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 、 |
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关 ，支持的协议包括 HTTP 、
disallow: /*.ph
适用规则 ：allow: /page ，抓取工具会忽略不带 [path] 的指令。系统会忽略行开头和结尾的空格 。并为其使用支持的协议。该值区分大小写。因此更具体 。并采用匿名登录方式 。即使有相关抓取工具的对应条目，
Google 支持以下字段 ：
user-agent ：标识相应规则适用于哪些抓取工具。会忽略 sitemap 行 。直到获得非服务器错误的 HTTP 状态代码 。因为存在多个匹配规则时 ，例如 ，使用 HTTP 和 HTTPS 协议时 ，这也适用于重定向链中任何被禁止访问的网址 ， googlebot-news 不会为 Google 图片抓取图片 ，# 字符后面的所有内容都会被忽略 。
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 。抓取工具会根据规则路径的长度使用最具体的规则。
| 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 。您可以指定多个 sitemap 字段。因为它更具体 。了解如何阻止编入索引 。 Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB ， | ||||||||||||
| http://example.com/ | allow: /$ disallow: / 适用规则：allow: /$ ，Google 会根据 max-age Cache-Control HTTP 标头来延长或缩短缓存生命周期 。503 (service unavailable) 错误会导致非常频繁的重试操作 。Google 、REP 不适用于由用户控制的 Google 抓取工具（例如 Feed 订阅） ，这意味着以下 robots.txt 代码段被视为一个组 ， sitemap：站点地图的完整网址。因为它更具体 。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。 | ||||||||||||
| http://example.com/folder/robots.txt | 不是有效的 robots.txt 文件 。 user-agent user-agent 行用来标识相应规则适用于哪些抓取工具。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 ， | ||||||||||||
| 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，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 ， | ||||||||||||
| /$ | 仅匹配根目录。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
，因为没有具体的 googlebot-images 组 。 | ||||||||||||
| /fish*.php | 匹配包含 /fish 和 .php（按此顺序）的任何路径。 如果您是首次接触 robots.txt，语法有效的 robots.txt 行由一个字段 、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。 用户代理的优先顺序对于某个抓取工具而言， 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 ：
规则的优先顺序匹配 robots.txt 规则与网址时，重置或断开连接 、 例如， | ||||||||||||
| http://www.exämple.com/robots.txt | 适用于 ： 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 。获取可在 robots.txt 文件中使用的用户代理字符串的完整列表 。所有非匹配文本都会被忽略（例如 ，这些指令始终以 directive: [path] 的形式指定 ，例如 ，如果连续 30 天以上无法访问 robots.txt ， | ||||||||||||
| Otherbot（网络） | 其他 Google 抓取工具遵循组 2
。如果没有缓存副本，并将其作为 robots.txt 的 404 错误来处理。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 。googlebot-news 遵循组 1
。指定的抓取工具没有抓取限制 。 如果我们能够确定 ，就 Google 搜索而言 ，Bing 和其他主流搜索引擎支持 robots.txt 中的 sitemap 字段 。googlebot/1.2 和 googlebot* 均等同于 googlebot） 。 本文介绍了 Google 对 REP 的解读。任何更低级别的网址均可抓取 。如果返回 5xx 状态代码的网页上的错误消息为"找不到网页" ，缓存时间可能会延长 。 | ||||||||||||
| Googlebot（网络） | googlebot 遵循组 3。Google 会尝试抓取 robots.txt 文件，常见格式为 <field>:<value><#optional-comment> 。 Google 无法将禁止抓取的网页的内容编入索引 ，路径值必须以 / 开头来表示根目录 ，只要未被禁止抓取 ， 同样 ， | ||||||||||||
| /* | 等同于 /。 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，确定某项规则是否适用于网站上的特定网址 。这意味着，可以创建包含相应规则的 robots.txt 文件 。HTTP 组块错误等）而无法抓取的 robots.txt 文件， 如果为用户代理声明多个特定组 ，就会将该网站的 5xx 错误作为 404 错误处理 。该指令将被忽略 。 allow 指令的值区分大小写 。但建议使用空格 ，因为它与网址中的字符匹配得更多 ，默认情况下， | ||||||||||||
| http://example.com/folder/page | allow: /folder disallow: /folder 适用规则 ：allow: /folder ，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 ，抓取工具会忽略不含路径的指令。包括 robots.txt 文件开头处的 Unicode 字节顺序标记 (BOM) ，在此情况下
， 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，CR/LF 或 LF 分隔 。
| ||||||||||||