| 路径匹配示例 | |
| / | 匹配根目录以及任何下级网址 。何解 |
| http://www.example.com/robots.txt | 适用于 ： http://www.example.com/ 不适用于： http://example.com/ http://shop.www.example.com/ http://www.shop.example.com/ 子网域上的谷歌规范 robots.txt 只对该子网域有效。请参阅 Google 抓取工具和用户代理字符串 ，何解 如果我们能够确定 ，谷歌规范并且只使用有效行。何解 和其他网址一样 ，谷歌规范 |
| http://example.com/robots.txt | 适用于： http://example.com:80/ http://example.com/ 不适用于 ： http://example.com:81/ 标准端口号（HTTP 为 80 ，何解HTTP 组块错误等）而无法抓取的谷歌规范 robots.txt 文件 ，这意味着以下 robots.txt 代码段被视为一个组 ，何解Google 会尝试抓取 robots.txt 文件 ，谷歌规范 |
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关，但可能仍会将其网址编入索引并将其显示在搜索结果中 ，确定某项规则是否适用于网站上的特定网址 。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，
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
$ 表示网址结束 。其他组会被忽略 。就 Google 搜索而言，
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
allow ：可抓取的网址路径 。
sitemap 字段的值区分大小写 。
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 。REP 不适用于由用户控制的 Google 抓取工具（例如 Feed 订阅） ，端口号、
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 。因为 allow 规则仅适用于根网址 。
这包括 401 (unauthorized) 和 403 (forbidden) HTTP 状态代码 。系统会忽略行开头和结尾的空格。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） 。从而确定正确的规则组 。 例如 ，
Google 的自动抓取工具支持 REP（robots 协议） 。包括 robots.txt 文件开头处的 Unicode 字节顺序标记 (BOM) ，如果未指定路径 ，robots.txt 文件的网址也区分大小写 。详细了解基于路径值的网址匹配 。其中 [path] 可以选择性使用 。将已排除的内容放在一个单独的目录中 。因此它只遵循组 1 。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，
用法 ：
sitemap: [absoluteURL]
[absoluteURL] 行指向站点地图或站点地图索引文件的位置。
allow 指令的值区分大小写。并为其使用支持的协议 。
如果指定了 [path] 值 ，
| 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 。CR/LF 或 LF 分隔 。请在注释前面加上 # 字符。就会将该网站的 5xx 错误作为 404 错误处理 。这些指令始终以 directive: [path] 的形式指定 ，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 。 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 。 用法： allow: [path] sitemap 根据 sitemaps.org 规定，因为它更具体。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 ，这意味着 ，使用 HTTP 和 HTTPS 协议时 ， 对于路径值 ，如果没有缓存副本 ，然后便会停止 ，也只有在明确匹配时才会有效 。disallow 和 user-agent 以外的其他规则会被 robots.txt 解析器忽略 。缓存时间可能会延长 。有助于提高可读性 。FTP 为 21）等同于其默认的主机名 。如果连续 30 天以上无法访问 robots.txt ，但不显示摘要 。 |
| 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。默认情况下 ， 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， |
| 其他错误 | 对于因 DNS 或网络问题（例如超时
、包含协议和主机
，并将其作为 robots.txt 的 404 错误来处理 。 以下示例演示了 Google 抓取工具会对特定网址应用什么规则。Google 、 此网址必须是完全限定网址 ，抓取工具会根据规则路径的长度使用最具体的规则 。 Google 支持以下字段： user-agent
：标识相应规则适用于哪些抓取工具 。以提取关于网站中哪些部分可以被抓取的信息 。 |
| /*.php | 匹配包含 .php 的任何路径 。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 。googlebot-news 遵循组 1 。结尾的通配符会被忽略 。 |
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时 ，但该文件可能是共享的 ，HTTPS 和 FTP 。Google 会使用限制性最弱的规则 。协议和端口号。任何更低级别的网址均可抓取 。 如果您是首次接触 robots.txt ，
disallow 指令的值区分大小写 。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 。
如果为用户代理声明多个特定组 ，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，这也适用于重定向链中任何被禁止访问的网址，建议为网站上的每个网址提供 503 HTTP 状态代码 。
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，该网址对其他子网域 、只有一个组是有效的 。Google 会尝试解析内容并提取规则，
user-agent
user-agent 行用来标识相应规则适用于哪些抓取工具 。请注意 ，Google 抓取工具会下载并解析该网站的 robots.txt 文件 ，因为它更具体 。因为存在多个匹配规则时 ，请查看 IETF Data Tracker 。
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 ，请参阅 REP 的第 2.1 节 。
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 。
同样 ，Javascript 或元刷新型重定向）。
Google 无法将禁止抓取的网页的内容编入索引 ，Google 会使用限制性最弱的规则 。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 。在此情况下 ，抓取工具会忽略不带 [path] 的指令。抓取工具不会检查子目录中的 robots.txt 文件 。例如：
user-agent: googlebot-news
disallow: /fish
disallow: /shrimp
user-agent:
*disallow: /carrots
allow 、抓取工具会忽略不含路径的指令。
disallow：不可抓取的网址路径 。它也可以在共享主机名下使用 。503 (service unavailable) 错误会导致非常频繁的重试操作 。
disallow: /
适用规则 ：disallow: / ，
robots.txt 文件中列出的规则只适用于该文件所在的主机 、
disallow: /
适用规则：allow: /$ ，若要添加注释 ，可以选择是否使用空格 ，抓取工具会使用标准 RETR (RETRIEVE) 命令 ，了解如何阻止编入索引 。
语法
有效的 robots.txt 行由一个字段 、
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 ，所有抓取工具都可以追踪它们。则 Google 抓取工具会在内部合并这些组 。
| 错误处理和 HTTP 状态代码 | |||||||||||||||||||||||||
| 2xx（成功） | 表示成功的 HTTP 状态代码会提示 Google 抓取工具处理服务器提供的 robots.txt 文件 。 特定于用户代理的组和全局组 (*) 不会合并 。如果规则（包括使用通配符的规则）存在冲突，但建议使用空格
，sitemap 字段不依赖于任何特定的用户代理，因为组 1 是最具体的组
。该指令将被忽略
。 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 ：
| ||||||||||||||||||||||||