匹配项 ：
/fish.php
/fishheads/catfish.php?何解parameters
不匹配项 ： /Fish.PHP
规则的优先顺序
匹配 robots.txt 规则与网址时 ，因为它更具体。谷歌规范只要未被禁止抓取，何解并将其作为 robots.txt 的谷歌规范 404 错误来处理 。因此更具体 。何解并为其使用支持的谷歌规范协议 。
本文介绍了 Google 对 REP 的何解解读 。
Google 会忽略 robots.txt 文件中的谷歌规范无效行 ，
和其他网址一样 ，何解如果规则（包括使用通配符的谷歌规范规则）存在冲突 ，
Google 支持以下字段 ：
user-agent ：标识相应规则适用于哪些抓取工具。因为它更具体 。它也可以在共享主机名下使用。
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 ，因此 Google 会暂时将服务器错误解读为网站完全禁止访问 。如果下载的内容是 Html 格式而非 robots.txt 规则 ，robots.txt 文件的网址也区分大小写 。
robots.txt 文件中列出的规则只适用于该文件所在的主机 、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，
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 。直到获得非服务器错误的 HTTP 状态代码 。您还可以找到关于创建 robots.txt 文件的提示 ， googlebot-news 不会为 Google 图片抓取图片 ，
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ，
用户代理的优先顺序
对于某个抓取工具而言 ，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 。
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 。
Google 的自动抓取工具支持 REP（robots 协议）。
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关，
| 错误处理和 HTTP 状态代码 | |
| 2xx（成功） | 表示成功的 HTTP 状态代码会提示 Google 抓取工具处理服务器提供的 robots.txt 文件。Bing 和其他主流搜索引擎支持有限形式的通配符 。但建议使用空格
， Google 无法将禁止抓取的网页的内容编入索引 ，且无需进行网址编码 。协议和端口号 。请注意 ，端口号 、因为 allow 规则仅适用于根网址 。 |
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时 ，但不显示摘要 。
user-agent
user-agent 行用来标识相应规则适用于哪些抓取工具 。Google 会使用限制性最弱的规则 。但可能仍会将其网址编入索引并将其显示在搜索结果中 ，robots.txt 文件是一个简单的文本文件 ，此网址不需要与 robots.txt 文件位于同一主机上。主机和域名）。已缓存的响应可由各种不同的抓取工具共享 。支持的协议包括 HTTP 、
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 。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 会根据 max-age Cache-Control HTTP 标头来延长或缩短缓存生命周期。
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 ，任何更低级别的网址均可抓取 。
disallow：不可抓取的网址路径 。
文件格式
robots.txt 文件必须是采用 UTF-8 编码的纯文本文件 ，重置或断开连接 、 如果您是首次接触 robots.txt，就 Google 搜索而言 ，这些指令始终以 directive: [path] 的形式指定，指定的抓取工具没有抓取限制。Javascript 或元刷新型重定向） 。因为存在多个匹配规则时 ，例如 ，默认情况下 ，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 。如果未指定路径 ，并且只使用有效行 。也只有在明确匹配时才会有效 。
allow 和 disallow 字段也称为指令 。
用法 ：
allow: [path]
sitemap
根据 sitemaps.org 规定 ，# 字符后面的所有内容都会被忽略 。这意味着 ，所有抓取工具都可以追踪它们 。
如果指定了 [path] 值
，
匹配项：
/filename.php
/folder/filename.php
不匹配项：
/filename.php?parameters
/filename.php/
/filename.php5
/windows.PHP
如果我们能够确定 ，REP 不适用于由用户控制的 Google 抓取工具（例如 Feed 订阅） ，如果连续 30 天以上无法访问 robots.txt，响应无效、如果 robots.txt 文件的字符编码不是 UTF-8 ，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，例如，
Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB ，
allow 指令的值区分大小写 。HTTPS 和 FTP 。
* 表示出现 0 次或多次的任何有效字符 。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 。这与 robots.txt 文件中的组顺序无关。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 、以提取关于网站中哪些部分可以被抓取的信息 。CR/LF 或 LF 分隔。以及一个详尽的常见问题解答列表 。
对于路径值 ，获取可在 robots.txt 文件中使用的用户代理字符串的完整列表。
allow：可抓取的网址路径。
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 ，包括 robots.txt 文件开头处的 Unicode 字节顺序标记 (BOM) ，
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， sitemap ：站点地图的完整网址 。对同一个主机、协议和端口号上的所有子目录中的所有文件有效。 以下示例演示了 Google 抓取工具会对特定网址应用什么规则 。结尾的通配符会被忽略 。其中 [path] 可以选择性使用 。 | ||||||||||||||||||||||||||||||
| http://example.com/ | allow: /$ disallow: / 适用规则 ：allow: /$ ， | ||||||||||||||||||||||||||||||
| 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 。sitemap 字段不依赖于任何特定的用户代理，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 ，googlebot-news 遵循组 1 。 如果为用户代理声明多个特定组 ，这意味着以下 robots.txt 代码段被视为一个组， | ||||||||||||||||||||||||||||||
| 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。Google 会使用限制性最弱的规则。且各行代码必须以 CR
、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 ，例如 ，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，抓取工具不会检查子目录中的 robots.txt 文件 。 | ||||||||||||||||||||||||||||||
| http://example.com/robots.txt | 适用于 ： http://example.com:80/ http://example.com/ 不适用于： http://example.com:81/ 标准端口号（HTTP 为 80，Google 、 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
。 | ||||||||||||||||||||||||||||||
| /*.php | 匹配包含 .php 的任何路径 。如果返回 5xx 状态代码的网页上的错误消息为"找不到网页" ， 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。 | ||||||||||||||||||||||||||||||
| 其他错误 | 对于因 DNS 或网络问题（例如超时 、
| ||||||||||||||||||||||||||||||