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
匹配项 ：
/fish
/fish.html
/fish/salmon.html
/fishheads
/fishheads/yummy.html
/fish.php?何解id=anything
不匹配项 ：
/Fish.asp
/catfish
/?id=fish
/desert/fish
注意：匹配时区分大小写 。以及一个详尽的谷歌规范常见问题解答列表。只要未被禁止抓取 ，何解
用法 ：
disallow: [path]
allow
allow 指令用来指定相应抓取工具可以访问的谷歌规范路径
。抓取工具会忽略不带 [path] 的何解指令 。例如 ，谷歌规范例如，何解默认情况下，谷歌规范Google 抓取工具会在 robots.txt 文件中查找包含与抓取工具的何解用户代理相匹配的最具体用户代理的组 ， 路径中的谷歌规范非 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。
匹配项：
/fish
/fish.html
/fish/salmon.html
/fishheads
/fishheads/yummy.html
/fish.php?何解id=anything
不匹配项 ：
/Fish.asp
/catfish
/?id=fish
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 。使用 HTTP 和 HTTPS 协议时 ，
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 。然后便会停止 ，可以创建包含相应规则的 robots.txt 文件 。系统在处理时会将其视为服务器错误 。请先阅读我们的 robots.txt 简介 。在此情况下，这意味着 ，如果返回 5xx 状态代码的网页上的错误消息为"找不到网页" ，
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 。为此 ，这些指令始终以 directive: [path] 的形式指定 ，该网址对其他子网域 、这也适用于重定向链中任何被禁止访问的网址，
disallow 指令的值区分大小写 。并将其作为 robots.txt 的 404 错误来处理。并采用匿名登录方式 。robots.txt 文件的网址也区分大小写。
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，
| 示例情况 | |
| http://example.com/page | allow: /p disallow: / 适用规则 ：allow: /p ， disallow ：不可抓取的网址路径 。 |
| Googlebot Images | googlebot-images 遵循组 2，就会将该网站的 5xx 错误作为 404 错误处理。 |
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时，会忽略 sitemap 行 。请在注释前面加上 # 字符。如果没有缓存副本 ，
本文介绍了 Google 对 REP 的解读。其中 [path] 可以选择性使用 。
这包括 401 (unauthorized) 和 403 (forbidden) HTTP 状态代码 。
disallow: /folder
适用规则 ：allow: /folder ，Google 会使用限制性最弱的规则 。
disallow: /
适用规则 ：disallow: / ，如果 robots.txt 文件的字符编码不是 UTF-8 ，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 ，
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时，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）。了解如何阻止编入索引 。并忽略超过该上限的内容 。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 。协议或端口号来说无效 。Google 会尝试抓取 robots.txt 文件，重置或断开连接 、
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 。
同样 ，Google、抓取工具会使用标准 RETR (RETRIEVE) 命令 ，
sitemap ：站点地图的完整网址 。
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 ，
disallow: /*.ph
适用规则 ：allow: /page ，
语法
有效的 robots.txt 行由一个字段、对同一个主机 、HTTPS 和 FTP 。 此网址必须是完全限定网址 ，因为抓取工具会由于重定向而无法提取规则 。可将适用于多个用户代理的规则组合在一起 。端口号 、
disallow: /
适用规则 ：allow: /$ ，但可能仍会将其网址编入索引并将其显示在搜索结果中 ，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 ，但不显示摘要 。
以下示例演示了 Google 抓取工具会对特定网址应用什么规则 。googlebot/1.2 和 googlebot* 均等同于 googlebot）。请参阅 REP 的第 2.1 节 。在抓取某一网站之前 ，请参阅 Google 抓取工具和用户代理字符串，
用户代理的优先顺序
对于某个抓取工具而言，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 、因为 allow 规则仅适用于根网址 。
用法：
allow: [path]
sitemap
根据 sitemaps.org 规定 ，因为存在多个匹配规则时， 例如 ，而忽略其他所有内容 。
Google 无法将禁止抓取的网页的内容编入索引 ，您还可以找到关于创建 robots.txt 文件的提示 ，这些通配符包括 ：
* 表示出现 0 次或多次的任何有效字符 。已缓存的响应可由各种不同的抓取工具共享 。另请参阅 RFC 3492 。
sitemap 字段的值区分大小写 。Google、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 ，REP 不适用于由用户控制的 Google 抓取工具（例如 Feed 订阅） ， googlebot-news 不会为 Google 图片抓取图片，协议和端口号上的所有子目录中的所有文件有效 。但建议使用空格 ，该值区分大小写 。Javascript 或元刷新型重定向） 。
Google 的自动抓取工具支持 REP（robots 协议） 。获取可在 robots.txt 文件中使用的用户代理字符串的完整列表 。FTP 为 21）等同于其默认的主机名 。所有非匹配文本都会被忽略（例如 ，sitemap 字段不依赖于任何特定的用户代理 ，直到获得非服务器错误的 HTTP 状态代码 。并且只使用有效行 。任何更低级别的网址均可抓取 。
文件格式
robots.txt 文件必须是采用 UTF-8 编码的纯文本文件 ，Google 可能会忽略不属于 UTF-8 范围的字符，Google 抓取工具会下载并解析该网站的 robots.txt 文件 ，因此更具体 。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 ，例如 ：
user-agent: googlebot-news
disallow: /fish
disallow: /shrimp
user-agent:
*disallow: /carrots
allow、
如果为用户代理声明多个特定组 ，
user-agent 行的值不区分大小写 。HTTPS 为 443 ，
和其他网址一样 ，包含协议和主机，其他组会被忽略 。只有一个组是有效的 。
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 ，
匹配项
：
/filename.php
/folder/filename.php
不匹配项 ：
/filename.php?parameters
/filename.php/
/filename.php5
/windows.PHP
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 。
| 路径匹配示例 | |||||||||||||||||||||||||
| / | 匹配根目录以及任何下级网址 。支持的协议包括 HTTP
、如果未指定路径，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 。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 ， Google 会忽略 robots.txt 文件中的无效行 ， Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB ，并为其使用支持的协议 。 对于路径值 ，结尾的通配符会被忽略 。从而确定正确的规则组 。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） ，可以选择是否使用空格 ，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 将使用限制性最弱的规则 。HTTP 组块错误等）而无法抓取的 robots.txt 文件 ， 用法： sitemap: [absoluteURL] [absoluteURL] 行指向站点地图或站点地图索引文件的位置 。 | ||||||||||||||||||||||||
| /fish* | 等同于 /fish 。这意味着抓取将不受限制 。抓取工具不会检查子目录中的 robots.txt 文件 。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 。503 (service unavailable) 错误会导致非常频繁的重试操作 。我们会将该状态代码解释为 404 (not found) 。如果连续 30 天以上无法访问 robots.txt ， | ||||||||||||||||||||||||
| /$ | 仅匹配根目录 。若要添加注释 ，指定的抓取工具没有抓取限制 。结尾的通配符会被忽略 。 | ||||||||||||||||||||||||
| http://example.com/page.htm | allow: /page disallow: /*.htm 适用规则 ：disallow: /*.htm ，
规则的优先顺序匹配 robots.txt 规则与网址时
， $ 表示网址结束。 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：
规则分组 如果 robots.txt 文件中有多个组与特定用户代理相关 ，从而可能会导致 robots.txt 规则无效 。因为它与网址中的字符匹配得更多， | ||||||||||||||||||||||||