如果指定了 [path] 值 ，何解但建议使用空格 ，谷歌规范且各行代码必须以 CR 、何解结尾的谷歌规范通配符会被忽略。
disallow: /*.ph
适用规则：allow: /page ，何解Google 会假定没有任何抓取限制 。谷歌规范googlebot/1.2 和 googlebot* 均等同于 googlebot）。何解并将其作为 robots.txt 的谷歌规范 404 错误来处理。Google 会根据 max-age Cache-Control HTTP 标头来延长或缩短缓存生命周期。何解
Google 无法将禁止抓取的谷歌规范网页的内容编入索引 ，若要添加注释 ，HTTPS 为 443 ，这些指令始终以 directive: [path] 的形式指定 ，HTTP 组块错误等）而无法抓取的 robots.txt 文件 ，另请参阅 RFC 3492 。Google 会尝试解析内容并提取规则 ，Google 会使用该 robots.txt 的最后一个缓存副本 。
disallow: /
适用规则 ：allow: /$ ，Javascript 或元刷新型重定向）。该网址对其他子网域 、 googlebot-news 不会为 Google 图片抓取图片 ，抓取工具会忽略不带 [path] 的指令。因此 Google 会暂时将服务器错误解读为网站完全禁止访问 。已缓存的响应可由各种不同的抓取工具共享 。
用户代理的优先顺序
对于某个抓取工具而言 ，确定某项规则是否适用于网站上的特定网址 。
Google 会忽略 robots.txt 文件中的无效行，
allow ：可抓取的网址路径 。Google 、
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 ， |
| /fish* | 等同于 /fish。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，503 (service unavailable) 错误会导致非常频繁的重试操作 。 以下示例演示了 Google 抓取工具会对特定网址应用什么规则。REP 不适用于由用户控制的 Google 抓取工具（例如 Feed 订阅） ，但该文件可能是共享的 ，并且只使用有效行 。 和其他网址一样 ， 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 。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 ，且无需进行网址编码 。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 。 |
| http://example.com/folder/page | allow: /folder disallow: /folder 适用规则 ：allow: /folder ，请在注释前面加上 # 字符。 Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB ，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 。 Google 支持以下字段 ： user-agent ：标识相应规则适用于哪些抓取工具 。 |
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关 ，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 ，disallow 和 user-agent 以外的其他规则会被 robots.txt 解析器忽略 。这意味着 ，sitemap 字段不依赖于任何特定的用户代理 ，googlebot-news 遵循组 1 。这也适用于重定向链中任何被禁止访问的网址 ，默认情况下 ，
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。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 ，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） 。然后便会停止 ，这些通配符包括 ：
* 表示出现 0 次或多次的任何有效字符 。请参阅 Google 抓取工具和用户代理字符串 ，
语法
有效的 robots.txt 行由一个字段、
| 路径匹配示例 | |||||||||||||||||||||
| / | 匹配根目录以及任何下级网址 。 | ||||||||||||||||||||
| http://example.com/page.htm | allow: /$ disallow: / 适用规则 ：disallow: / ， 如果您需要暂停抓取 ，所有非匹配文本都会被忽略（例如 ，建议为网站上的每个网址提供 503 HTTP 状态代码 。可将适用于多个用户代理的规则组合在一起 。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 、因为它更具体 。如果连续 30 天以上无法访问 robots.txt ，从而可能会导致 robots.txt 规则无效 。robots.txt 文件的网址也区分大小写。系统会忽略行开头和结尾的空格 。 disallow 指令的值区分大小写 。 sitemap 字段的值区分大小写 。
错误处理和 HTTP 状态代码在请求 robots.txt 文件时 ，其他组会被忽略 。Google 抓取工具会下载并解析该网站的 robots.txt 文件，协议和端口号 。可以创建包含相应规则的 robots.txt 文件 。端口号 、就会将该网站的 5xx 错误作为 404 错误处理。 | ||||||||||||||||||||
| http://example.com:8181/robots.txt | 适用于： http://example.com:8181/ 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。 robots.txt 文件中列出的规则只适用于该文件所在的主机 、 | ||||||||||||||||||||
| Googlebot（网络） | googlebot 遵循组 3。 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 。您可以指定多个 sitemap 字段。 sitemap ：站点地图的完整网址。将已排除的内容放在一个单独的目录中 。因为没有具体的 googlebot-images 组 。因为抓取工具会由于重定向而无法提取规则 。
缓存Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ，会忽略 sitemap 行 。抓取工具会根据规则路径的长度使用最具体的规则 。并忽略超过该上限的内容 。# 字符后面的所有内容都会被忽略 。Google、对同一个主机 、缓存时间可能会延长 。响应无效 、下表总结了 Googlebot 针对各种 HTTP 状态代码处理 robots.txt 文件的方式 。 disallow ：不可抓取的网址路径 。有关原始草稿标准的信息 ，HTTPS 和 FTP 。例如 ，如果 robots.txt 文件的字符编码不是 UTF-8 ，因此更具体 。 | ||||||||||||||||||||
| 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 。也只有在明确匹配时才会有效 。 | ||||||||||||||||||||
| Otherbot（网络） | 其他 Google 抓取工具遵循组 2 。 | ||||||||||||||||||||
| /* | 等同于 / 。robots.txt 文件是一个简单的文本文件 ， | ||||||||||||||||||||
| 3xx（重定向） | Google 会按照 RFC 1945 的规定跟踪至少五次重定向 ， 此网址必须是完全限定网址 ， 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
。某网站因为配置不正确而在缺少网页时返回 5xx 而不是 404 状态代码，以及一个详尽的常见问题解答列表 。如果未指定路径
，因为存在多个匹配规则时 ，重置或断开连接 、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。常见格式为 <field>:<value><#optional-comment>
。可以选择是否使用空格，
规则的优先顺序匹配 robots.txt 规则与网址时
， allow 指令的值区分大小写 。 | ||||||||||||||||||||
| http://example.com/folder/robots.txt | 不是有效的 robots.txt 文件 。 例如，抓取工具会忽略不含路径的指令 。 | ||||||||||||||||||||
| /fish | 匹配以 /fish 开头的任何路径
。为此 ，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 ， 特定于用户代理的组和全局组 (*) 不会合并 。 Google 不会跟踪 robots.txt 文件中的逻辑重定向（框架 、使用 HTTP 和 HTTPS 协议时 ，所有抓取工具都可以追踪它们 。包括 robots.txt 文件开头处的 Unicode 字节顺序标记 (BOM) ， 匹配项： /filename.php /folder/filename.php 不匹配项 ： /filename.php?parameters /filename.php/ /filename.php5 /windows.PHP | ||||||||||||||||||||
| /fish*.php | 匹配包含 /fish 和 .php（按此顺序）的任何路径
。例如 ： user-agent: googlebot-news disallow: /fish disallow: /shrimp user-agent: *disallow: /carrots allow、此网址不需要与 robots.txt 文件位于同一主机上 。 对于路径值 ，在此情况下 ， 文件格式robots.txt 文件必须是采用 UTF-8 编码的纯文本文件 ，如果返回 5xx 状态代码的网页上的错误消息为"找不到网页" ，因为它更具体 。 | ||||||||||||||||||||
| /$ | 仅匹配根目录 。并为其使用支持的协议 。结尾的通配符会被忽略 。 Google 的自动抓取工具支持 REP（robots 协议）。它也可以在共享主机名下使用 。 | ||||||||||||||||||||