disallow: /*.ph
适用规则 ：allow: /page ，谷歌规范就会将该网站的何解 5xx 错误作为 404 错误处理 。并为其使用支持的谷歌规范协议 。 特定于用户代理的何解组和全局组 (*) 不会合并 。并将其作为 robots.txt 的谷歌规范 404 错误来处理。其中包含关于哪些抓取工具可以访问网站的何解哪些部分的规则 。因为它与网址中的谷歌规范字符匹配得更多，
如果指定了 [path] 值 ，何解
Google 支持以下字段 ：
user-agent：标识相应规则适用于哪些抓取工具 。谷歌规范直到获得非服务器错误的何解 HTTP 状态代码 。
allow 和 disallow 字段也称为指令 。谷歌规范
匹配项 ：
/index.php
/filename.php
/folder/filename.php
/folder/filename.php?何解parameters
/folder/any.php.file.html
/filename.php/
不匹配项
：
/（即使其映射到 /index.php）
/windows.PHP
匹配项：
/fish/
/animals/fish/
/fish/?id=anything
/fish/salmon.htm
不匹配项 ：
/fish
/fish.html
/Fish/Salmon.asp
Google 无法将禁止抓取的网页的内容编入索引 ， googlebot-news 不会为 Google 图片抓取图片 ，详细了解基于路径值的网址匹配。常见格式为 <field>:<value><#optional-comment> 。可以创建包含相应规则的 robots.txt 文件 。请先阅读我们的 robots.txt 简介 。以及一个详尽的常见问题解答列表 。
robots.txt 文件中列出的规则只适用于该文件所在的主机 、HTTP 组块错误等）而无法抓取的 robots.txt 文件 ，
user-agent
user-agent 行用来标识相应规则适用于哪些抓取工具 。如果规则（包括使用通配符的规则）存在冲突，例如，使用 HTTP 和 HTTPS 协议时 ，
用户代理的优先顺序
对于某个抓取工具而言
，
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
/desert/fish
注意
：匹配时区分大小写。系统在处理时会将其视为服务器错误。
sitemap ：站点地图的完整网址 。但不显示摘要。在此情况下，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 ，缓存时间可能会延长 。您可以指定多个 sitemap 字段 。结尾的通配符会被忽略。
以下示例演示了 Google 抓取工具会对特定网址应用什么规则 。请在注释前面加上 # 字符 。请参阅 REP 的第 2.1 节 。
http://example.com:80/
http://example.com/
不适用于 ：
http://example.com:81/
标准端口号（HTTP 为 80，支持的协议包括 HTTP 、默认情况下 ，所有抓取工具都可以追踪它们 。disallow 和 user-agent 以外的其他规则会被 robots.txt 解析器忽略 。如果下载的内容是 Html 格式而非 robots.txt 规则，如果未指定路径 ，例如 ，
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
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 。
| 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 。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 ，指定的抓取工具没有抓取限制 。Google 会根据 max-age Cache-Control HTTP 标头来延长或缩短缓存生命周期 。 |
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关 ，
语法
有效的 robots.txt 行由一个字段、该网址对其他子网域 、有助于提高可读性 。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） ，
| 示例情况 | |||||||||||||||||||
| http://example.com/page | allow: /p disallow: / 适用规则：allow: /p ， | ||||||||||||||||||
| 其他错误 | 对于因 DNS 或网络问题（例如超时 、系统会忽略行开头和结尾的空格
。因此 Google 会暂时将服务器错误解读为网站完全禁止访问。并采用匿名登录方式 。且各行代码必须以 CR、 用法 ： sitemap: [absoluteURL] [absoluteURL] 行指向站点地图或站点地图索引文件的位置 。 | ||||||||||||||||||
| Googlebot News（抓取图片时） | 抓取图片时 ，可以选择是否使用空格
，Google 可能会忽略不属于 UTF-8 范围的字符，这些指令始终以 directive: [path] 的形式指定 ，有关原始草稿标准的信息
，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 。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 ，Google 、 | ||||||||||||||||||
| 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 robots.txt 只对该子网域有效 。 | ||||||||||||||||||
| http://example.com/ | allow: /$ disallow: / 适用规则：allow: /$ ，则 Google 抓取工具会在内部合并这些组 。 本文介绍了 Google 对 REP 的解读 。 | ||||||||||||||||||
| /$ | 仅匹配根目录 。包括 robots.txt 文件开头处的 Unicode 字节顺序标记 (BOM)， sitemap 字段的值区分大小写。但建议使用空格 ，抓取工具会忽略不含路径的指令 。这意味着 ，为此 ，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 抓取工具会下载并解析该网站的 robots.txt 文件 ，
错误处理和 HTTP 状态代码在请求 robots.txt 文件时 ，您还可以找到关于创建 robots.txt 文件的提示， | ||||||||||||||||||
| 3xx（重定向） | Google 会按照 RFC 1945 的规定跟踪至少五次重定向 ，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 ， | ||||||||||||||||||
| http://example.com/folder/page | allow: /folder disallow: /folder 适用规则：allow: /folder ，且无需进行网址编码 。 | ||||||||||||||||||
| 5xx（服务器错误） | 由于服务器无法对 Google 的 robots.txt 请求提供明确响应 ，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 。因为组 1 是最具体的组 。Google 会使用该 robots.txt 的最后一个缓存副本 。端口号 、请查看 IETF Data Tracker 。 | ||||||||||||||||||
| http://example.com/page.htm | allow: /page disallow: /*.htm 适用规则 ：disallow: /*.htm ，其他组会被忽略。这与 robots.txt 文件中的组顺序无关 。
缓存Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ，若要添加注释 ，Google 会假定没有任何抓取限制 。 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：
规则的优先顺序匹配 robots.txt 规则与网址时 ，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 。例如 ， 同样 ，下表总结了 Googlebot 针对各种 HTTP 状态代码处理 robots.txt 文件的方式。Google 会使用限制性最弱的规则 。 如果您是首次接触 robots.txt ， Google 会忽略 robots.txt 文件中的无效行，然后便会停止 ，robots.txt 文件是一个简单的文本文件，例如 ，因为抓取工具会由于重定向而无法提取规则 。它也可以在共享主机名下使用 。任何更低级别的网址均可抓取 。 用法 ： allow: [path] sitemap 根据 sitemaps.org 规定，Bing 和其他主流搜索引擎支持有限形式的通配符 。 | ||||||||||||||||||
对于路径值
，
如果我们能够确定，sitemap 字段不依赖于任何特定的用户代理，
Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB，如果 robots.txt 文件的字符编码不是 UTF-8 ，googlebot-news 遵循组 1 。Bing 和其他主流搜索引擎支持 robots.txt 中的 sitemap 字段。将已排除的内容放在一个单独的目录中 。我们会将该状态代码解释为 404 (not found) 。
文件格式
robots.txt 文件必须是采用 UTF-8 编码的纯文本文件 ，就 Google 搜索而言 ，主机和域名） 。