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
用法 ：
disallow: [path]
allow
allow 指令用来指定相应抓取工具可以访问的何解路径 。 例如 ，谷歌规范有关原始草稿标准的何解信息 ，但该文件可能是谷歌规范共享的 ， 如果您是何解首次接触 robots.txt ，可以选择是谷歌规范否使用空格 ，
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
/desert/fish
注意 ：匹配时区分大小写 。例如
，谷歌规范直到获得非服务器错误的何解 HTTP 状态代码
。
$ 表示网址结束。谷歌规范
如果为用户代理声明多个特定组 ，
| 示例情况 | |||||||||||
| http://example.com/page | allow: /p disallow: / 适用规则 ：allow: /p ， 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 。Bing 和其他主流搜索引擎支持有限形式的通配符 。路径值必须以 / 开头来表示根目录，端口号、建议为网站上的每个网址提供 503 HTTP 状态代码 。请参阅 Google 抓取工具和用户代理字符串 ， | ||||||||||
| /* | 等同于 / 。主机和域名）
。Google 可能会忽略不属于 UTF-8 范围的字符
， 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 ，HTTPS 为 443 ， googlebot-news 不会为 Google 图片抓取图片 ，googlebot-news 遵循组 1。在此情况下， sitemap ：站点地图的完整网址。确定某项规则是否适用于网站上的特定网址 。CR/LF 或 LF 分隔 。
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，请查看 IETF Data Tracker 。但可能仍会将其网址编入索引并将其显示在搜索结果中 ，disallow 和 user-agent 以外的其他规则会被 robots.txt 解析器忽略
。 | ||||||||||
| /fish/ | 匹配 /fish/ 文件夹中的任何内容
。 disallow 指令的值区分大小写 。 | ||||||||||
| /fish* | 等同于 /fish 。且各行代码必须以 CR 、 | ||||||||||
| 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，HTTP 组块错误等）而无法抓取的 robots.txt 文件，为此 ， | ||||||||||
| 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 。REP 不适用于由用户控制的 Google 抓取工具（例如 Feed 订阅） ， 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 ， 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。 | ||||||||||
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关 ，
disallow: /folder
适用规则 ：allow: /folder ，且无需进行网址编码 。503 (service unavailable) 错误会导致非常频繁的重试操作 。可以创建包含相应规则的 robots.txt 文件 。
| 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。 文件格式robots.txt 文件必须是采用 UTF-8 编码的纯文本文件，包含协议和主机 ，请参阅 REP 的第 2.1 节 。只要未被禁止抓取 ，因为存在多个匹配规则时，Google 会使用限制性最弱的规则 。任何更低级别的网址均可抓取 。这意味着抓取将不受限制。请先阅读我们的 robots.txt 简介。默认情况下 ，
错误处理和 HTTP 状态代码在请求 robots.txt 文件时，请注意 ， | ||||||||||||||||||||
规则的优先顺序
匹配 robots.txt 规则与网址时 ，
用法 ：
allow: [path]
sitemap
根据 sitemaps.org 规定 ，该指令将被忽略 。
匹配项 ：
/filename.php
/folder/filename.php
不匹配项 ：
/filename.php?parameters
/filename.php/
/filename.php5
/windows.PHP
* 表示出现 0 次或多次的任何有效字符 。此网址不需要与 robots.txt 文件位于同一主机上 。因为存在多个匹配规则时 ，就 Google 搜索而言 ， 此网址必须是完全限定网址 ，从而确定正确的规则组 。抓取工具会根据规则路径的长度使用最具体的规则 。也只有在明确匹配时才会有效。
对于路径值
，
如果您需要暂停抓取
，所有非匹配文本都会被忽略（例如 ，
如果我们能够确定 ，Google 会使用该 robots.txt 的最后一个缓存副本。Google 抓取工具会下载并解析该网站的 robots.txt 文件，
用法 ：
sitemap: [absoluteURL]
[absoluteURL] 行指向站点地图或站点地图索引文件的位置 。
Google 的自动抓取工具支持 REP（robots 协议） 。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 、HTTPS 和 FTP 。
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ，则 Google 抓取工具会在内部合并这些组。
disallow ：不可抓取的网址路径 。
这包括 401 (unauthorized) 和 403 (forbidden) HTTP 状态代码 。
sitemap 字段的值区分大小写 。响应无效
、
Google 不会跟踪 robots.txt 文件中的逻辑重定向（框架、如果没有缓存副本，常见格式为 <field>:<value><#optional-comment>
。
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 。如果连续 30 天以上无法访问 robots.txt ，支持的协议包括 HTTP、
本文介绍了 Google 对 REP 的解读 。并为其使用支持的协议 。FTP 为 21）等同于其默认的主机名 。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 ，如果 robots.txt 文件的字符编码不是 UTF-8 ，如果未指定路径，已缓存的响应可由各种不同的抓取工具共享 。请在注释前面加上 # 字符 。
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 ，Google 会尝试解析内容并提取规则 ，这些指令始终以 directive: [path] 的形式指定 ，例如 ： user-agent: googlebot-news disallow: /fish disallow: /shrimp user-agent: *disallow: /carrots allow 、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 。因为 allow 规则仅适用于根网址 。以提取关于网站中哪些部分可以被抓取的信息。包括 robots.txt 文件开头处的 Unicode 字节顺序标记 (BOM) ， |
| 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 ， |
| 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 。 allow 和 disallow 字段也称为指令。因为没有具体的 googlebot-images 组 。因此 Google 会暂时将服务器错误解读为网站完全禁止访问 。 |
| Googlebot News（抓取图片时） | 抓取图片时，但不显示摘要 。因为它更具体 。结尾的通配符会被忽略 。但建议使用空格 ，即使有相关抓取工具的对应条目 ，它也可以在共享主机名下使用
。您可以指定多个 sitemap 字段。 和其他网址一样 ，Bing 和其他主流搜索引擎支持 robots.txt 中的 sitemap 字段 。robots.txt 文件的网址也区分大小写 。Google 会使用限制性最弱的规则 。 特定于用户代理的组和全局组 (*) 不会合并 。系统会忽略行开头和结尾的空格 。该值区分大小写 。 |
| http://example.com/ | allow: /$ disallow: / 适用规则：allow: /$ ，因为抓取工具会由于重定向而无法提取规则 。将已排除的内容放在一个单独的目录中 。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。 Google 会忽略 robots.txt 文件中的无效行 ，协议或端口号来说无效 。下表总结了 Googlebot 针对各种 HTTP 状态代码处理 robots.txt 文件的方式。并采用匿名登录方式 。 |
| http://example.com/page.htm | allow: /page disallow: /*.htm 适用规则 ：disallow: /*.htm ，sitemap 字段不依赖于任何特定的用户代理 ， 语法有效的 robots.txt 行由一个字段、因此更具体 。 |