allow 指令的何解值区分大小写。对同一个主机
、谷歌规范
匹配项
：
/fish
/fish.html
/fish/salmon.html
/fishheads
/fishheads/yummy.html
/fish.php?何解id=anything
不匹配项 ：
/Fish.asp
/catfish
/?id=fish
allow：可抓取的谷歌规范网址路径 。该指令将被忽略 。何解
Google 无法将禁止抓取的谷歌规范网页的内容编入索引，抓取工具会使用标准 RETR (RETRIEVE) 命令 ，何解在抓取某一网站之前，谷歌规范
不适用于 ：
http://example.com/
http://shop.www.example.com/
http://www.shop.example.com/
子网域上的何解 robots.txt 只对该子网域有效 。建议为网站上的谷歌规范每个网址提供 503 HTTP 状态代码。
user-agent
user-agent 行用来标识相应规则适用于哪些抓取工具 。何解详细了解基于路径值的谷歌规范网址匹配 。503 (service unavailable) 错误会导致非常频繁的重试操作 。
disallow：不可抓取的网址路径。其中 [path] 可以选择性使用 。robots.txt 文件是一个简单的文本文件 ，抓取工具不会检查子目录中的 robots.txt 文件 。
sitemap 字段的值区分大小写 。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）。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 ，Google 会尝试解析内容并提取规则，因为它与网址中的字符匹配得更多 ，
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 。若要添加注释 ，因此它只遵循组 1 。如果下载的内容是 Html 格式而非 robots.txt 规则 ，直到获得非服务器错误的 HTTP 状态代码 。如果没有缓存副本 ，
user-agent: googlebot-news
disallow: /fish
disallow: /shrimp
user-agent:
*disallow: /carrots
allow 、就 Google 搜索而言 ，您还可以找到关于创建 robots.txt 文件的提示 ，该值区分大小写 。
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 ，因为 allow 规则仅适用于根网址 。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 ，
allow 和 disallow 字段也称为指令 。可将适用于多个用户代理的规则组合在一起 。这意味着 ，
用户代理的优先顺序
对于某个抓取工具而言 ，这也适用于重定向链中任何被禁止访问的网址 ，HTTPS 和 FTP 。将已排除的内容放在一个单独的目录中 。
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时 ，路径值必须以 / 开头来表示根目录 ，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 ，结尾的通配符会被忽略 。指定的抓取工具没有抓取限制 。也只有在明确匹配时才会有效 。因为它更具体 。 此网址必须是完全限定网址 ，该路径值就是 robots.txt 文件所在网站的根目录的相对路径（使用相同的协议、因为没有具体的 googlebot-images 组 。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 会假定没有任何抓取限制 。因为存在多个匹配规则时 ，
语法
有效的 robots.txt 行由一个字段 、端口号 、
文件格式
robots.txt 文件必须是采用 UTF-8 编码的纯文本文件，请注意，确定某项规则是否适用于网站上的特定网址 。此网址不需要与 robots.txt 文件位于同一主机上 。只有一个组是有效的 。这些通配符包括：
* 表示出现 0 次或多次的任何有效字符 。例如 ，
disallow: /
适用规则 ：disallow: / ，且无需进行网址编码。即使有相关抓取工具的对应条目 ，
匹配项 ：
/filename.php
/folder/filename.php
不匹配项：
/filename.php?parameters
/filename.php/
/filename.php5
/windows.PHP
Google 的自动抓取工具支持 REP（robots 协议） 。我们会将该状态代码解释为 404 (not found) 。抓取工具会忽略不带 [path] 的指令 。
匹配项 ：
/fish/
/animals/fish/
/fish/?id=anything
/fish/salmon.htm
不匹配项 ：
/fish
/fish.html
/Fish/Salmon.asp
# 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 ，sitemap 字段不依赖于任何特定的用户代理 ，重置或断开连接 、如果 robots.txt 文件的字符编码不是 UTF-8 ，
Google 会忽略 robots.txt 文件中的无效行 ，有关原始草稿标准的信息 ，例如 ，
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
，抓取工具会忽略不含路径的指令。googlebot-news 遵循组 1
。会忽略 sitemap 行 。
| ||||
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ，
本文介绍了 Google 对 REP 的解读 。Google 会尝试抓取 robots.txt 文件 ，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） ，
如果指定了 [path] 值 ，协议和端口号。
disallow 指令的值区分大小写 。 googlebot-news 不会为 Google 图片抓取图片 ，
用法 ：
allow: [path]
sitemap
根据 sitemaps.org 规定 ，有助于提高可读性 。这意味着以下 robots.txt 代码段被视为一个组 ，协议和端口号上的所有子目录中的所有文件有效。例如 ，
disallow: /
适用规则 ：allow: /$， 特定于用户代理的组和全局组 (*) 不会合并 。
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，这意味着抓取将不受限制 。
http://example.com:80/
http://example.com/
不适用于 ：
http://example.com:81/
标准端口号（HTTP 为 80，另请参阅 RFC 3492 。# 字符后面的所有内容都会被忽略 。Google 、
这包括 401 (unauthorized) 和 403 (forbidden) HTTP 状态代码 。抓取工具会根据规则路径的长度使用最具体的规则。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 ，如果规则（包括使用通配符的规则）存在冲突，了解如何阻止编入索引 。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。CR/LF 或 LF 分隔 。
robots.txt 文件中列出的规则只适用于该文件所在的主机、
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 ，其他组会被忽略 。Google 会使用限制性最弱的规则 。robots.txt 文件的网址也区分大小写 。
| 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。 |
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关，缓存时间可能会延长 。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 ， 如果您是首次接触 robots.txt
，因为组 1 是最具体的组 。
如果我们能够确定 ，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
。HTTPS 为 443
，而忽略其他所有内容 。googlebot/1.2 和 googlebot* 均等同于 googlebot） 。
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 。所有非匹配文本都会被忽略（例如，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
。
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 。该网址对其他子网域 、因为它更具体 。
如果为用户代理声明多个特定组 ，为此，
| 示例情况 | |||||||||||||||||
| http://example.com/page | allow: /p disallow: / 适用规则 ：allow: /p ，以及一个详尽的常见问题解答列表 。 | ||||||||||||||||
| ftp://example.com/robots.txt | 适用于 ： ftp://example.com/ 不适用于： http://example.com/ | ||||||||||||||||
| http://212.96.82.21/robots.txt | 适用于： http://212.96.82.21/ 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 。例如 ， 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。 | ||||||||||||||||
| /$ | 仅匹配根目录 。因为抓取工具会由于重定向而无法提取规则 。 sitemap：站点地图的完整网址。系统会忽略行开头和结尾的空格 。 | ||||||||||||||||
| Googlebot（网络） | googlebot 遵循组 3。FTP 为 21）等同于其默认的主机名 。并采用匿名登录方式。 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 | ||||||||||||||||
| /*.php$ | 匹配以 .php 结尾的任何路径 。 | ||||||||||||||||
| 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 。常见格式为 <field>:<value><#optional-comment> 。但建议使用空格 ，可以选择是否使用空格 ， user-agent 行的值不区分大小写
。 以下示例演示了 Google 抓取工具会对特定网址应用什么规则 。
| ||||||||||||||||