如果指定了 [path] 值 ，何解
user-agent 行的谷歌规范值不区分大小写 。可以选择是何解否使用空格 ，该 robots.txt 文件并不会自动对该 IP 地址上托管的谷歌规范所有网站有效 ，
和其他网址一样，何解Google 会尝试解析内容并提取规则 ，谷歌规范REP 不适用于由用户控制的何解 Google 抓取工具（例如 Feed 订阅） ，例如 ，谷歌规范
http://example.com:80/
http://example.com/
不适用于 ：
http://example.com:81/
标准端口号（HTTP 为 80，何解Bing 和其他主流搜索引擎支持 robots.txt 中的谷歌规范 sitemap 字段 。这意味着抓取将不受限制 。何解
匹配项 ：
/filename.php
/folder/filename.php
不匹配项 ：
/filename.php?谷歌规范parameters
/filename.php/
/filename.php5
/windows.PHP
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 。例如，
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时，robots.txt 文件的网址也区分大小写 。此网址不需要与 robots.txt 文件位于同一主机上 。
disallow: /*.htm
适用规则：disallow: /*.htm ，
disallow: /
适用规则 ：allow: /$ ，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 ，Bing 和其他主流搜索引擎支持有限形式的通配符 。
用法 ：
allow: [path]
sitemap
根据 sitemaps.org 规定 ，
allow 和 disallow 字段也称为指令。
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 。抓取工具会根据规则路径的长度使用最具体的规则 。
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。抓取工具不会检查子目录中的 robots.txt 文件。并采用匿名登录方式 。Google、
sitemap 字段的值区分大小写 。常见格式为 <field>:<value><#optional-comment>。Google 会使用限制性最弱的规则。
allow 指令的值区分大小写 。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 ，
用法 ：
sitemap: [absoluteURL]
[absoluteURL] 行指向站点地图或站点地图索引文件的位置
。从而确定正确的规则组。
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
disallow: /
适用规则 ：disallow: / ，
| 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 。在此情况下 ，因此 Google 会暂时将服务器错误解读为网站完全禁止访问 。并且只使用有效行 。因为 allow 规则仅适用于根网址 。主机和域名） 。 |
| 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/page.php5 | allow: /page disallow: /*.ph 适用规则 ：allow: /page， 文件格式robots.txt 文件必须是采用 UTF-8 编码的纯文本文件 ，并忽略超过该上限的内容。协议和端口号上的所有子目录中的所有文件有效。端口号 、因为抓取工具会由于重定向而无法提取规则。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 ： user-agent: googlebot-news disallow: /fish disallow: /shrimp user-agent: *disallow: /carrots allow、但该文件可能是共享的 ，下表总结了 Googlebot 针对各种 HTTP 状态代码处理 robots.txt 文件的方式 。该值区分大小写 。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 。 如果您是首次接触 robots.txt ，直到获得非服务器错误的 HTTP 状态代码 。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 ，并为其使用支持的协议 。然后便会停止 ，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 ， 如果为用户代理声明多个特定组， |
| 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 。 |
| /fish* | 等同于 /fish 。如果未指定路径 ，如果下载的内容是 Html 格式而非 robots.txt 规则 ，并将其作为 robots.txt 的 404 错误来处理 。503 (service unavailable) 错误会导致非常频繁的重试操作。它也可以在共享主机名下使用 。 |
| 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 。Javascript 或元刷新型重定向） 。获取可在 robots.txt 文件中使用的用户代理字符串的完整列表。Google 会使用该 robots.txt 的最后一个缓存副本。任何更低级别的网址均可抓取。HTTP 组块错误等）而无法抓取的 robots.txt 文件 ， 同样 ，因此它只遵循组 1 。 |
规则的优先顺序
匹配 robots.txt 规则与网址时，
匹配项：
/fish/
/animals/fish/
/fish/?id=anything
/fish/salmon.htm
不匹配项：
/fish
/fish.html
/Fish/Salmon.asp
这包括 401 (unauthorized) 和 403 (forbidden) HTTP 状态代码 。其他组会被忽略 。Google 将使用限制性最弱的规则 。
对于路径值 ，以及一个详尽的常见问题解答列表 。只要未被禁止抓取 ， 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 的自动抓取工具支持 REP（robots 协议）。请注意 ，
Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB ，
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
如果我们能够确定 ，
语法
有效的 robots.txt 行由一个字段 、
disallow: /folder
适用规则 ：allow: /folder ，
Google 支持以下字段：
user-agent ：标识相应规则适用于哪些抓取工具 。从而可能会导致 robots.txt 规则无效 。
Google 会忽略 robots.txt 文件中的无效行 ，其中 [path] 可以选择性使用。确定某项规则是否适用于网站上的特定网址。因为存在多个匹配规则时 ，
disallow ：不可抓取的网址路径 。
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 。disallow 和 user-agent 以外的其他规则会被 robots.txt 解析器忽略 。Google 会尝试抓取 robots.txt 文件 ，
以下示例演示了 Google 抓取工具会对特定网址应用什么规则 。Google 、Google 会根据 max-age Cache-Control HTTP 标头来延长或缩短缓存生命周期 。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、
disallow 指令的值区分大小写 。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。对同一个主机 、因为组 1 是最具体的组 。路径值必须以 / 开头来表示根目录 ，请在注释前面加上 # 字符 。可将适用于多个用户代理的规则组合在一起 。了解如何阻止编入索引 。所有非匹配文本都会被忽略（例如，这与 robots.txt 文件中的组顺序无关 。协议和端口号。协议或端口号来说无效 。且无需进行网址编码 。结尾的通配符会被忽略 。而忽略其他所有内容 。缓存时间可能会延长 。
sitemap ：站点地图的完整网址 。
user-agent
user-agent 行用来标识相应规则适用于哪些抓取工具 。
| 路径匹配示例 | |||||||||||||||||||||||||
| / | 匹配根目录以及任何下级网址。有助于提高可读性 。系统在处理时会将其视为服务器错误 。 | ||||||||||||||||||||||||
| 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。该网址对其他子网域 、 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 ：
| ||||||||||||||||||||||||