| 示例情况 | |
| http://example.com/page | allow: /p disallow: / 适用规则 ：allow: /p ，何解协议或端口号来说无效。谷歌规范其中 [path] 可以选择性使用 。何解 robots.txt 文件中列出的谷歌规范规则只适用于该文件所在的主机 、 allow 和 disallow 字段也称为指令。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，且各行代码必须以 CR 、disallow 和 user-agent 以外的其他规则会被 robots.txt 解析器忽略。googlebot/1.2 和 googlebot* 均等同于 googlebot）。 |
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关 ，
用户代理的优先顺序
对于某个抓取工具而言 ，这意味着以下 robots.txt 代码段被视为一个组，
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ，
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 ，该指令将被忽略。因为它与网址中的字符匹配得更多 ，响应无效、因为它更具体。Google 抓取工具会下载并解析该网站的 robots.txt 文件 ，
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。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
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 。从而确定正确的规则组 。因为组 1 是最具体的组 。Javascript 或元刷新型重定向） 。然后便会停止 ，如果下载的内容是 Html 格式而非 robots.txt 规则，从而可能会导致 robots.txt 规则无效 。
如果为用户代理声明多个特定组 ，默认情况下 ，并将其作为 robots.txt 的 404 错误来处理 。可将适用于多个用户代理的规则组合在一起 。Google 会假定没有任何抓取限制 。
Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB ，如果规则（包括使用通配符的规则）存在冲突 ，会忽略 sitemap 行 。也只有在明确匹配时才会有效 。下表总结了 Googlebot 针对各种 HTTP 状态代码处理 robots.txt 文件的方式 。
用法 ：
sitemap: [absoluteURL]
[absoluteURL] 行指向站点地图或站点地图索引文件的位置 。
匹配项 ：
/filename.php
/folder/filename.php
不匹配项 ：
/filename.php?parameters
/filename.php/
/filename.php5
/windows.PHP
user-agent
user-agent 行用来标识相应规则适用于哪些抓取工具。
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 。
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 ，如果未指定路径 ，
Google 会忽略 robots.txt 文件中的无效行 ，协议和端口号上的所有子目录中的所有文件有效。
sitemap：站点地图的完整网址 。
如果指定了 [path] 值 ，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> 。 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 会根据 max-age Cache-Control HTTP 标头来延长或缩短缓存生命周期 。有助于提高可读性。另请参阅 RFC 3492 。
用法 ：
allow: [path]
sitemap
根据 sitemaps.org 规定 ，请先阅读我们的 robots.txt 简介 。robots.txt 文件是一个简单的文本文件 ，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 ，REP 不适用于由用户控制的 Google 抓取工具（例如 Feed 订阅） ，就会将该网站的 5xx 错误作为 404 错误处理 。
disallow: /*.htm
适用规则：disallow: /*.htm ，
disallow 指令的值区分大小写 。
$ 表示网址结束 。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 ，系统在处理时会将其视为服务器错误 。即使有相关抓取工具的对应条目 ，协议和端口号 。如果 robots.txt 文件的字符编码不是 UTF-8 ，
sitemap 字段的值区分大小写 。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 。
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 。
语法
有效的 robots.txt 行由一个字段 、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 ，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） ，有关原始草稿标准的信息 ，
| 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 。sitemap 字段不依赖于任何特定的用户代理， 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，
http://example.com:80/
http://example.com/
不适用于：
http://example.com:81/
标准端口号（HTTP 为 80 ，建议为网站上的每个网址提供 503 HTTP 状态代码。
如果您需要暂停抓取 ，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 。但不显示摘要。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 、并忽略超过该上限的内容。
匹配项 ：
/fish/
/animals/fish/
/fish/?id=anything
/fish/salmon.htm
不匹配项：
/fish
/fish.html
/Fish/Salmon.asp
user-agent 行的值不区分大小写 。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 ，它也可以在共享主机名下使用 。 此网址必须是完全限定网址 ，这意味着 ，
Google 无法将禁止抓取的网页的内容编入索引 ， 特定于用户代理的组和全局组 (*) 不会合并 。 如果您是首次接触 robots.txt，请查看 IETF Data Tracker 。任何更低级别的网址均可抓取 。端口号、并且只使用有效行。Google 将使用限制性最弱的规则 。使用 HTTP 和 HTTPS 协议时 ，
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时，了解如何阻止编入索引。这些通配符包括 ：
* 表示出现 0 次或多次的任何有效字符 。
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
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 ，路径值必须以 / 开头来表示根目录 ，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）。 | ||||||||||||||||||||||||||||||||||||||||
| http://example.com/ | allow: /$ disallow: / 适用规则 ：allow: /$ ，例如 ，确定某项规则是否适用于网站上的特定网址。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 。请在注释前面加上 # 字符 。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 ，并采用匿名登录方式 。
| ||||||||||||||||||||||||||||||||||||||||