匹配项 ：
/fish/
/animals/fish/
/fish/?何解id=anything
/fish/salmon.htm
不匹配项 ：
/fish
/fish.html
/Fish/Salmon.asp
本文介绍了 Google 对 REP 的何解解读 。有关原始草稿标准的谷歌规范信息，并将其作为 robots.txt 的何解 404 错误来处理 。可将适用于多个用户代理的谷歌规范规则组合在一起。
sitemap 字段的值区分大小写 。抓取工具会使用标准 RETR (RETRIEVE) 命令 ，HTTP 组块错误等）而无法抓取的 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 。因为 allow 规则仅适用于根网址 。该网址对其他子网域 、请在注释前面加上 # 字符 。Bing 和其他主流搜索引擎支持 robots.txt 中的 sitemap 字段 。
disallow: /
适用规则 ：allow: /$，并忽略超过该上限的内容 。
disallow: /*.htm
适用规则 ：disallow: /*.htm，可以选择是否使用空格 ，Google 抓取工具会下载并解析该网站的 robots.txt 文件 ，# 字符后面的所有内容都会被忽略 。REP 不适用于由用户控制的 Google 抓取工具（例如 Feed 订阅），
http://example.com:80/
http://example.com/
不适用于 ：
http://example.com:81/
标准端口号（HTTP 为 80 ，
如果为用户代理声明多个特定组 ，另请参阅 RFC 3492 。
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 。建议为网站上的每个网址提供 503 HTTP 状态代码 。但不显示摘要 。
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。 例如 ，
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 。
匹配项 ：
/filename.php
/folder/filename.php
不匹配项 ：
/filename.php?parameters
/filename.php/
/filename.php5
/windows.PHP
user-agent 行的值不区分大小写 。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 ，这些通配符包括 ：
* 表示出现 0 次或多次的任何有效字符。但该文件可能是共享的 ，直到获得非服务器错误的 HTTP 状态代码 。
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 ，FTP 为 21）等同于其默认的主机名。 googlebot-news 不会为 Google 图片抓取图片，
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。
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 。Javascript 或元刷新型重定向） 。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 。该指令将被忽略 。这意味着以下 robots.txt 代码段被视为一个组，则 Google 抓取工具会在内部合并这些组 。主机和域名） 。CR/LF 或 LF 分隔 。如果规则（包括使用通配符的规则）存在冲突，从而确定正确的规则组 。
user-agent: googlebot-news
disallow: /fish
disallow: /shrimp
user-agent:
*disallow: /carrots
allow 、这与 robots.txt 文件中的组顺序无关。
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 ，例如，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） 。
Google 无法将禁止抓取的网页的内容编入索引 ，503 (service unavailable) 错误会导致非常频繁的重试操作 。 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 。
Google 会忽略 robots.txt 文件中的无效行 ，
匹配项 ：
/fish.php
/fishheads/catfish.php?parameters
不匹配项
： /Fish.PHP
规则的优先顺序
匹配 robots.txt 规则与网址时 ，
这包括 401 (unauthorized) 和 403 (forbidden) HTTP 状态代码。即使有相关抓取工具的对应条目 ，
用户代理的优先顺序
对于某个抓取工具而言 ，
如果您需要暂停抓取
，协议或端口号来说无效 。例如 ，Google 、Google 会尝试解析内容并提取规则
，Google 会使用该 robots.txt 的最后一个缓存副本
。常见格式为 <field>:<value><#optional-comment>。系统在处理时会将其视为服务器错误 。因为没有具体的 googlebot-images 组
。sitemap 字段不依赖于任何特定的用户代理 ，确定某项规则是否适用于网站上的特定网址 。只要未被禁止抓取 ，此网址不需要与 robots.txt 文件位于同一主机上
。您还可以找到关于创建 robots.txt 文件的提示 ，将已排除的内容放在一个单独的目录中 。对同一个主机
、
# 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 ，Google 会假定没有任何抓取限制 。
$ 表示网址结束
。Google 会根据 max-age Cache-Control HTTP 标头来延长或缩短缓存生命周期 。就 Google 搜索而言
，包含协议和主机 ，路径值必须以 / 开头来表示根目录 ，Google 会使用限制性最弱的规则 。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 ，请注意 ，并为其使用支持的协议。如果连续 30 天以上无法访问 robots.txt ，如果 robots.txt 文件的字符编码不是 UTF-8 ，我们会将该状态代码解释为 404 (not found)
。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 。 此网址必须是完全限定网址 ，在此情况下
，这意味着抓取将不受限制 。协议和端口号上的所有子目录中的所有文件有效 。您可以指定多个 sitemap 字段
。响应无效 、这也适用于重定向链中任何被禁止访问的网址，结尾的通配符会被忽略 。
匹配项
：
/index.php
/filename.php
/folder/filename.php
/folder/filename.php?parameters
/folder/any.php.file.html
/filename.php/
不匹配项：
/（即使其映射到 /index.php）
/windows.PHP
disallow 指令的值区分大小写 。抓取工具会忽略不含路径的指令 。
Google 的自动抓取工具支持 REP（robots 协议）。请参阅 REP 的第 2.1 节 。
sitemap ：站点地图的完整网址 。因为存在多个匹配规则时 ，例如 ，
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 。就会将该网站的 5xx 错误作为 404 错误处理 。默认情况下 ，
allow ：可抓取的网址路径 。使用 HTTP 和 HTTPS 协议时，
Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB ，并采用匿名登录方式 。
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时，
allow 指令的值区分大小写 。
disallow
：不可抓取的网址路径 。
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时 ，HTTPS 为 443 ，因为组 1 是最具体的组 。
robots.txt 文件中列出的规则只适用于该文件所在的主机、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） ，
语法
有效的 robots.txt 行由一个字段 、
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关 ，为此，一个冒号和一个值组成 。并且只使用有效行 。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。 特定于用户代理的组和全局组 (*) 不会合并 。但建议使用空格 ，
如果我们能够确定，这意味着，
以下示例演示了 Google 抓取工具会对特定网址应用什么规则 。缓存时间可能会延长 。所有非匹配文本都会被忽略（例如 ，
用法 ：
allow: [path]
sitemap
根据 sitemaps.org 规定 ，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。Google、若要添加注释 ，
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 。端口号 、包括 robots.txt 文件开头处的 Unicode 字节顺序标记 (BOM) ，
| 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 。请查看 IETF Data Tracker 。但可能仍会将其网址编入索引并将其显示在搜索结果中 ，robots.txt 文件的网址也区分大小写 。系统会忽略行开头和结尾的空格 。 同样 ，这些指令始终以 directive: [path] 的形式指定 ，因为它更具体 。因此 Google 会暂时将服务器错误解读为网站完全禁止访问 。因为存在多个匹配规则时，详细了解基于路径值的网址匹配。它也可以在共享主机名下使用。 Google 支持以下字段 ： user-agent ：标识相应规则适用于哪些抓取工具 。 对于路径值 ，获取可在 robots.txt 文件中使用的用户代理字符串的完整列表 。
| ||||||||||||||||||||||||||||||