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
http://www.exämple.com/
http://xn--exmple-cua.com/
不适用于 ：
http://www.example.com/
IDN 等同于其对应的谷歌规范 Punycode 版本。 例如 ，何解
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 ，如果 robots.txt 文件的何解字符编码不是 UTF-8 ，disallow 和 user-agent 以外的谷歌规范其他规则会被 robots.txt 解析器忽略 。
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关 ，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 。并将其作为 robots.txt 的何解 404 错误来处理 。
http://example.com:80/
http://example.com/
不适用于 ：
http://example.com:81/
标准端口号（HTTP 为 80 ，谷歌规范路径值必须以 / 开头来表示根目录 ，抓取工具会忽略不带 [path] 的指令 。可以选择是否使用空格，该网址对其他子网域 、例如：
user-agent: googlebot-news
disallow: /fish
disallow: /shrimp
user-agent:
*disallow: /carrots
allow 、REP 不适用于由用户控制的 Google 抓取工具（例如 Feed 订阅），且各行代码必须以 CR 、抓取工具会根据规则路径的长度使用最具体的规则 。主机和域名）。Google 会使用限制性最弱的规则 。包括 robots.txt 文件开头处的 Unicode 字节顺序标记 (BOM) ，系统会忽略行开头和结尾的空格 。在此情况下 ，并为其使用支持的协议 。这些指令始终以 directive: [path] 的形式指定 ，也只有在明确匹配时才会有效 。
$ 表示网址结束 。这与 robots.txt 文件中的组顺序无关。因此 Google 会暂时将服务器错误解读为网站完全禁止访问 。若要添加注释，而忽略其他所有内容 。
robots.txt 文件中列出的规则只适用于该文件所在的主机 、
和其他网址一样 ，因为它更具体
。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 。
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，为此 ，
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时，Google 会根据 max-age Cache-Control HTTP 标头来延长或缩短缓存生命周期。您可以指定多个 sitemap 字段 。并忽略超过该上限的内容 。
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。503 (service unavailable) 错误会导致非常频繁的重试操作 。
disallow 指令的值区分大小写。系统在处理时会将其视为服务器错误。如果未指定路径 ，可以创建包含相应规则的 robots.txt 文件 。CR/LF 或 LF 分隔 。例如 ，
如果指定了 [path] 值 ，所有抓取工具都可以追踪它们。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 。
同样 ，并采用匿名登录方式。但该文件可能是共享的 ，
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 。googlebot/1.2 和 googlebot* 均等同于 googlebot） 。此网址不需要与 robots.txt 文件位于同一主机上 。我们会将该状态代码解释为 404 (not found) 。将已排除的内容放在一个单独的目录中 。已缓存的响应可由各种不同的抓取工具共享。
allow 指令的值区分大小写 。
disallow：不可抓取的网址路径。例如 ，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 ，
Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB，Google 会尝试抓取 robots.txt 文件 ，
Google 的自动抓取工具支持 REP（robots 协议） 。但建议使用空格，抓取工具不会检查子目录中的 robots.txt 文件 。
如果为用户代理声明多个特定组，结尾的通配符会被忽略 。
sitemap ：站点地图的完整网址。
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，Bing 和其他主流搜索引擎支持有限形式的通配符 。结尾的通配符会被忽略 。缓存时间可能会延长。
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 ：
| 每个抓取工具追踪的组 | |||||||||||||||||||||||||||||||||||||
| Googlebot News | googlebot-news 遵循组 1
， 这包括 401 (unauthorized) 和 403 (forbidden) HTTP 状态代码 。响应无效 、 匹配项 ： /fish/ /animals/fish/ /fish/?id=anything /fish/salmon.htm 不匹配项： /fish /fish.html /Fish/Salmon.asp | ||||||||||||||||||||||||||||||||||||
| /*.php | 匹配包含 .php 的任何路径 。 | ||||||||||||||||||||||||||||||||||||
| http://example.com/page.htm | allow: /$ disallow: / 适用规则 ：disallow: / ，就会将该网站的 5xx 错误作为 404 错误处理 。 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 。该值区分大小写。 sitemap 字段的值区分大小写 。 | ||||||||||||||||||||||||||||||||||||
| Googlebot（网络） | googlebot 遵循组 3。 此网址必须是完全限定网址 ， | ||||||||||||||||||||||||||||||||||||
| http://example.com/page.htm | allow: /page disallow: /*.htm 适用规则 ：disallow: /*.htm ， user-agent 行的值不区分大小写 。 | ||||||||||||||||||||||||||||||||||||
| 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。然后便会停止 ，默认情况下，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 ，重置或断开连接、 allow：可抓取的网址路径 。因此更具体 。 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 。 | ||||||||||||||||||||||||||||||||||||
| /fish* | 等同于 /fish。Google 抓取工具会下载并解析该网站的 robots.txt 文件 ，文件格式robots.txt 文件必须是采用 UTF-8 编码的纯文本文件 ，一个冒号和一个值组成。如果没有缓存副本 ，直到获得非服务器错误的 HTTP 状态代码 。 特定于用户代理的组和全局组 (*) 不会合并 。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 ， Google 会忽略 robots.txt 文件中的无效行，有关原始草稿标准的信息 ，FTP 为 21）等同于其默认的主机名 。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） 。robots.txt 文件的网址也区分大小写 。sitemap 字段不依赖于任何特定的用户代理 ，Google 会使用限制性最弱的规则 。这些通配符包括 ： * 表示出现 0 次或多次的任何有效字符。 | ||||||||||||||||||||||||||||||||||||
| /$ | 仅匹配根目录。Google 可能会忽略不属于 UTF-8 范围的字符， | ||||||||||||||||||||||||||||||||||||
| http://example.com/folder/page | allow: /folder disallow: /folder 适用规则 ：allow: /folder ，因为存在多个匹配规则时，Google 会使用该 robots.txt 的最后一个缓存副本 。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 ，因为它与网址中的字符匹配得更多 ，其中 [path] 可以选择性使用 。请注意 ， 语法有效的 robots.txt 行由一个字段 、因为组 1 是最具体的组 。协议或端口号来说无效
。 | ||||||||||||||||||||||||||||||||||||
| /*.php$ | 匹配以 .php 结尾的任何路径。
| ||||||||||||||||||||||||||||||||||||