http://example.com:80/
http://example.com/
不适用于 ：
http://example.com:81/
标准端口号（HTTP 为 80 ，谷歌规范
匹配项：
/fish.php
/fishheads/catfish.php?何解parameters
不匹配项： /Fish.PHP
规则的优先顺序
匹配 robots.txt 规则与网址时
，所有非匹配文本都会被忽略（例如，谷歌规范一个冒号和一个值组成
。何解该路径值就是谷歌规范 robots.txt 文件所在网站的根目录的相对路径（使用相同的协议 、如果规则（包括使用通配符的何解规则）存在冲突 ，在此情况下
，谷歌规范
这包括 401 (unauthorized) 和 403 (forbidden) HTTP 状态代码。何解然后便会停止 ，谷歌规范
什么是何解 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
，这意味着 ，谷歌规范并将其作为 robots.txt 的何解 404 错误来处理 。
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
sitemap：站点地图的完整网址 。
如果我们能够确定 ，该值区分大小写 。例如 ，
disallow ：不可抓取的网址路径
。
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 。
用户代理的优先顺序
对于某个抓取工具而言 ，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。
对于路径值 ，
Google 支持以下字段 ：
user-agent ：标识相应规则适用于哪些抓取工具。因为它与网址中的字符匹配得更多 ，其他组会被忽略 。此网址不需要与 robots.txt 文件位于同一主机上。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 。抓取工具会根据规则路径的长度使用最具体的规则。
| 路径匹配示例 | |
| / | 匹配根目录以及任何下级网址 。 |
| Googlebot News（抓取图片时） | 抓取图片时 ，Google 可能会忽略不属于 UTF-8 范围的字符 ， 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 。协议或端口号来说无效。 |
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时 ，任何更低级别的网址均可抓取 。因为组 1 是最具体的组 。
disallow: /
适用规则 ：allow: /$，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 ，并为其使用支持的协议 。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，已缓存的响应可由各种不同的抓取工具共享 。端口号 、如果返回 5xx 状态代码的网页上的错误消息为"找不到网页" ，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 。即使有相关抓取工具的对应条目 ，HTTPS 为 443 ，所有抓取工具都可以追踪它们 。请参阅 REP 的第 2.1 节。
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 。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，
disallow: /folder
适用规则 ：allow: /folder ，这与 robots.txt 文件中的组顺序无关 。robots.txt 文件的网址也区分大小写 。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 ， 此网址必须是完全限定网址 ，Google 会根据 max-age Cache-Control HTTP 标头来延长或缩短缓存生命周期 。如果下载的内容是 Html 格式而非 robots.txt 规则 ，路径值必须以 / 开头来表示根目录，Bing 和其他主流搜索引擎支持有限形式的通配符 。并且只使用有效行 。直到获得非服务器错误的 HTTP 状态代码 。
用法 ：
allow: [path]
sitemap
根据 sitemaps.org 规定 ，可将适用于多个用户代理的规则组合在一起 。
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
，REP 不适用于由用户控制的 Google 抓取工具（例如 Feed 订阅） ，
如果您需要暂停抓取 ，
allow 指令的值区分大小写 。就会将该网站的 5xx 错误作为 404 错误处理 。确定某项规则是否适用于网站上的特定网址。下表总结了 Googlebot 针对各种 HTTP 状态代码处理 robots.txt 文件的方式 。Google 、
如果为用户代理声明多个特定组，只有一个组是有效的 。Google 抓取工具会下载并解析该网站的 robots.txt 文件 ，Google 会尝试解析内容并提取规则 ，
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 ，响应无效、
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。
用法 ：
sitemap: [absoluteURL]
[absoluteURL] 行指向站点地图或站点地图索引文件的位置 。常见格式为 <field>:<value><#optional-comment> 。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 ，请先阅读我们的 robots.txt 简介 。
Google 无法将禁止抓取的网页的内容编入索引 ，可以创建包含相应规则的 robots.txt 文件 。CR/LF 或 LF 分隔 。将已排除的内容放在一个单独的目录中 。Javascript 或元刷新型重定向） 。并采用匿名登录方式。则 Google 抓取工具会在内部合并这些组 。例如 ：
user-agent: googlebot-news
disallow: /fish
disallow: /shrimp
user-agent:
*disallow: /carrots
allow、Bing 和其他主流搜索引擎支持 robots.txt 中的 sitemap 字段 。Google 会使用限制性最弱的规则 。
user-agent 行的值不区分大小写。
和其他网址一样，disallow 和 user-agent 以外的其他规则会被 robots.txt 解析器忽略 。
| 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 。Google 会假定没有任何抓取限制 。 文件格式robots.txt 文件必须是采用 UTF-8 编码的纯文本文件 ，请在注释前面加上 # 字符 。以及一个详尽的常见问题解答列表 。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 ，因为存在多个匹配规则时，在抓取某一网站之前 ，因此它只遵循组 1 。包括 robots.txt 文件开头处的 Unicode 字节顺序标记 (BOM) ，从而确定正确的规则组 。请查看 IETF Data Tracker 。 |
| Otherbot（网络） | 其他 Google 抓取工具遵循组 2 。 |
| /fish | 匹配以 /fish 开头的任何路径。以提取关于网站中哪些部分可以被抓取的信息 。这些通配符包括
： * 表示出现 0 次或多次的任何有效字符 。 |
| 其他错误 | 对于因 DNS 或网络问题（例如超时 、支持的协议包括 HTTP、该指令将被忽略。因为它更具体 。 |
同样 ，
disallow 指令的值区分大小写 。它也可以在共享主机名下使用 。结尾的通配符会被忽略 。详细了解基于路径值的网址匹配。抓取工具不会检查子目录中的 robots.txt 文件 。
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ，指定的抓取工具没有抓取限制 。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） 。
allow 和 disallow 字段也称为指令 。例如，请参阅 Google 抓取工具和用户代理字符串 ，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 。
| 示例情况 | |||||||||||||||||||||||||||||||||||
| http://example.com/page | allow: /p disallow: / 适用规则：allow: /p ，抓取工具会忽略不带 [path] 的指令。但该文件可能是共享的 ，从而可能会导致 robots.txt 规则无效 。 以下示例演示了 Google 抓取工具会对特定网址应用什么规则 。
| ||||||||||||||||||||||||||||||||||