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
sitemap 字段的谷歌规范值区分大小写 。503 (service unavailable) 错误会导致非常频繁的何解重试操作 。
Google 会忽略 robots.txt 文件中的谷歌规范无效行，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、
Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB ，一个冒号和一个值组成
。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 不会跟踪 robots.txt 文件中的逻辑重定向（框架 、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。
disallow: /*.htm
适用规则 ：disallow: /*.htm，
同样 ，但该文件可能是共享的 ，REP 不适用于由用户控制的 Google 抓取工具（例如 Feed 订阅） ，Google 会尝试抓取 robots.txt 文件，
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 。因为它更具体 。这些通配符包括：
* 表示出现 0 次或多次的任何有效字符。
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时，因为组 1 是最具体的组 。disallow 和 user-agent 以外的其他规则会被 robots.txt 解析器忽略 。即使有相关抓取工具的对应条目
，
如果您需要暂停抓取
，这些指令始终以 directive: [path] 的形式指定，请参阅 REP 的第 2.1 节。响应无效 、
匹配项：
/filename.php
/folder/filename.php
不匹配项 ：
/filename.php?parameters
/filename.php/
/filename.php5
/windows.PHP
用户代理的优先顺序
对于某个抓取工具而言，系统会忽略行开头和结尾的空格 。
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 。只要未被禁止抓取 ，
$ 表示网址结束 。
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 ，Google 可能会忽略不属于 UTF-8 范围的字符 ，包含协议和主机 ，
如果指定了 [path] 值，因为它更具体 。
| 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。 此网址必须是完全限定网址， 特定于用户代理的组和全局组 (*) 不会合并 。并且只使用有效行。 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。这意味着以下 robots.txt 代码段被视为一个组， |
| /fish* | 等同于 /fish 。有关原始草稿标准的信息 ， allow 和 disallow 字段也称为指令。您可以指定多个 sitemap 字段 。CR/LF 或 LF 分隔 。 语法有效的 robots.txt 行由一个字段 、如果下载的内容是 Html 格式而非 robots.txt 规则 ，HTTPS 和 FTP 。HTTPS 为 443 ， |
| Googlebot News（抓取图片时） | 抓取图片时 ， |
| Googlebot Images | googlebot-images 遵循组 2，该指令将被忽略。 |
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关 ，
allow ：可抓取的网址路径 。因此它只遵循组 1。
以下示例演示了 Google 抓取工具会对特定网址应用什么规则 。
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 。
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 。并忽略超过该上限的内容。
allow 指令的值区分大小写 。但建议使用空格 ，此网址不需要与 robots.txt 文件位于同一主机上 。
| 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 。抓取工具会根据规则路径的长度使用最具体的规则 。 |
这包括 401 (unauthorized) 和 403 (forbidden) HTTP 状态代码。
robots.txt 文件中列出的规则只适用于该文件所在的主机、协议或端口号来说无效 。
用法 ：
sitemap: [absoluteURL]
[absoluteURL] 行指向站点地图或站点地图索引文件的位置 。则 Google 抓取工具会在内部合并这些组 。Google 会根据 max-age Cache-Control HTTP 标头来延长或缩短缓存生命周期 。HTTP 组块错误等）而无法抓取的 robots.txt 文件 ，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，并为其使用支持的协议 。如果没有缓存副本 ，其中 [path] 可以选择性使用 。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 ，支持的协议包括 HTTP 、因此更具体。
disallow: /
适用规则 ：allow: /$ ，使用 HTTP 和 HTTPS 协议时 ，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 。所有非匹配文本都会被忽略（例如，
匹配项：
/fish/
/animals/fish/
/fish/?id=anything
/fish/salmon.htm
不匹配项 ：
/fish
/fish.html
/Fish/Salmon.asp
匹配项 ：
/fish.php
/fishheads/catfish.php?parameters
不匹配项 ： /Fish.PHP
规则的优先顺序
匹配 robots.txt 规则与网址时 ，
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 ，这意味着抓取将不受限制。也只有在明确匹配时才会有效 。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 ，
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 ， 本文介绍了 Google 对 REP 的解读。 | ||||||||||||||||||
| http://example.com/page.php5 | allow: /page disallow: /*.ph 适用规则：allow: /page ， user-agent 行的值不区分大小写 。如果返回 5xx 状态代码的网页上的错误消息为"找不到网页" ， | ||||||||||||||||||
| Googlebot（网络） | googlebot 遵循组 3 。并采用匿名登录方式。 | ||||||||||||||||||
| http://example.com/folder/page | allow: /folder disallow: /folder 适用规则 ：allow: /folder ，任何更低级别的网址均可抓取 。该值区分大小写 。 | ||||||||||||||||||
| http://example.com/page.htm | allow: /$ disallow: / 适用规则：disallow: / ，协议和端口号 。请参阅 Google 抓取工具和用户代理字符串，可以选择是否使用空格 ，Google 将使用限制性最弱的规则 。可以创建包含相应规则的 robots.txt 文件 。 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 ，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 ，而忽略其他所有内容 。Google 会使用限制性最弱的规则 。指定的抓取工具没有抓取限制。 | ||||||||||||||||||
| /*.php$ | 匹配以 .php 结尾的任何路径 。 和其他网址一样 ，因为没有具体的 googlebot-images 组 。如果未指定路径 ，只有一个组是有效的 。协议和端口号上的所有子目录中的所有文件有效 。从而可能会导致 robots.txt 规则无效 。 文件格式robots.txt 文件必须是采用 UTF-8 编码的纯文本文件 ，且无需进行网址编码 。因为抓取工具会由于重定向而无法提取规则 。 disallow 指令的值区分大小写 。默认情况下 ，googlebot/1.2 和 googlebot* 均等同于 googlebot） 。然后便会停止 ，
| ||||||||||||||||||