匹配项 ：
/index.php
/filename.php
/folder/filename.php
/folder/filename.php?谷歌规范parameters
/folder/any.php.file.html
/filename.php/
不匹配项 ：
/（即使其映射到 /index.php）
/windows.PHP
disallow 指令的何解值区分大小写。
user-agent 行的谷歌规范值不区分大小写。
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。并忽略超过该上限的内容。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 ，这些通配符包括：
* 表示出现 0 次或多次的任何有效字符。
如果指定了 [path] 值，
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 ，
| robots.txt 网址示例 | |
| http://example.com/robots.txt | 适用于 ： http://example.com/ http://example.com/folder/file 不适用于 ： http://other.example.com/ https://example.com/ http://example.com:8181/ 这属于一般情况 。此网址不需要与 robots.txt 文件位于同一主机上。例如 ，# 字符后面的所有内容都会被忽略 。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 。 本文介绍了 Google 对 REP 的解读 。 特定于用户代理的组和全局组 (*) 不会合并 。因此更具体 。 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 。但不显示摘要 。可以创建包含相应规则的 robots.txt 文件。Bing 和其他主流搜索引擎支持有限形式的通配符 。因为它更具体 。路径值必须以 / 开头来表示根目录 ， 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。在抓取某一网站之前，Google 抓取工具会在 robots.txt 文件中查找包含与抓取工具的用户代理相匹配的最具体用户代理的组 ，Google 将使用限制性最弱的规则 。 sitemap ：站点地图的完整网址 。 |
| /* | 等同于 / 。请在注释前面加上 # 字符 。将已排除的内容放在一个单独的目录中 。该网址对其他子网域 、 如果为用户代理声明多个特定组 ， 用法： allow: [path] sitemap 根据 sitemaps.org 规定 ， user-agent user-agent 行用来标识相应规则适用于哪些抓取工具
。为此 ，disallow 和 user-agent 以外的其他规则会被 robots.txt 解析器忽略 。支持的协议包括 HTTP
、 allow 和 disallow 字段也称为指令 。任何更低级别的网址均可抓取 。sitemap 字段不依赖于任何特定的用户代理 ，则 Google 抓取工具会在内部合并这些组。 Google 会忽略 robots.txt 文件中的无效行，这些指令始终以 directive: [path] 的形式指定 ，结尾的通配符会被忽略 。HTTP 组块错误等）而无法抓取的 robots.txt 文件 ，但建议使用空格，就会将该网站的 5xx 错误作为 404 错误处理 。 例如 ，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 支持以下字段： user-agent：标识相应规则适用于哪些抓取工具 。 和其他网址一样 ， Google 无法将禁止抓取的网页的内容编入索引 ，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 。如果下载的内容是 Html 格式而非 robots.txt 规则 ，但该文件可能是共享的 ，从而可能会导致 robots.txt 规则无效 。因为它更具体。Google 会使用该 robots.txt 的最后一个缓存副本。协议或端口号来说无效 。 此网址必须是完全限定网址 ， |
| 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。 |
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ，该指令将被忽略 。您可以指定多个 sitemap 字段 。
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关 ，HTTPS 和 FTP。如果规则（包括使用通配符的规则）存在冲突 ，
disallow ：不可抓取的网址路径 。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 ，我们会将该状态代码解释为 404 (not found) 。
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 。可将适用于多个用户代理的规则组合在一起 。有助于提高可读性 。Google 、
robots.txt 文件中列出的规则只适用于该文件所在的主机 、会忽略 sitemap 行。获取可在 robots.txt 文件中使用的用户代理字符串的完整列表 。
对于路径值，
disallow: /
适用规则 ：allow: /$ ，指定的抓取工具没有抓取限制 。确定某项规则是否适用于网站上的特定网址 。抓取工具不会检查子目录中的 robots.txt 文件 。也只有在明确匹配时才会有效 。因为存在多个匹配规则时 ，这意味着以下 robots.txt 代码段被视为一个组 ，例如 ：
user-agent: googlebot-news
disallow: /fish
disallow: /shrimp
user-agent:
*disallow: /carrots
allow 、
文件格式
robots.txt 文件必须是采用 UTF-8 编码的纯文本文件 ，
disallow: /*.htm
适用规则 ：disallow: /*.htm ，googlebot/1.2 和 googlebot* 均等同于 googlebot） 。 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 。CR/LF 或 LF 分隔。并采用匿名登录方式 。可以选择是否使用空格 ，
如果您需要暂停抓取 ，已缓存的响应可由各种不同的抓取工具共享 。
http://example.com:80/
http://example.com/
不适用于 ：
http://example.com:81/
标准端口号（HTTP 为 80 ，结尾的通配符会被忽略 。如果没有缓存副本 ，这与 robots.txt 文件中的组顺序无关 。
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 。
| 示例情况 | |||||||||||||||||||||||||||||
| http://example.com/page | allow: /p disallow: / 适用规则 ：allow: /p ，
规则的优先顺序匹配 robots.txt 规则与网址时 ，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 。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 ，它也可以在共享主机名下使用
。 | ||||||||||||||||||||||||||||
| /*.php | 匹配包含 .php 的任何路径 。robots.txt 文件的网址也区分大小写。 | ||||||||||||||||||||||||||||
| 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 ，协议和端口号 。 | ||||||||||||||||||||||||||||
| 3xx（重定向） | Google 会按照 RFC 1945 的规定跟踪至少五次重定向 ， $ 表示网址结束 。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）。 以下示例演示了 Google 抓取工具会对特定网址应用什么规则。其中 [path] 可以选择性使用 。因为组 1 是最具体的组 。 sitemap 字段的值区分大小写 。 如果您是首次接触 robots.txt
，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。下表总结了 Googlebot 针对各种 HTTP 状态代码处理 robots.txt 文件的方式 。请先阅读我们的 robots.txt 简介
。 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 ：
| ||||||||||||||||||||||||||||