对于路径值 ，谷歌规范使用 HTTP 和 HTTPS 协议时 ，何解响应无效 、谷歌规范例如 ，何解
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关 ，谷歌规范Google 将使用限制性最弱的何解规则 。Bing 和其他主流搜索引擎支持有限形式的谷歌规范通配符 。
disallow: /*.ph
适用规则 ：allow: /page ，何解Google、谷歌规范
| 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。谷歌规范结尾的何解通配符会被忽略 。 | ||||
| /fish* | 等同于 /fish 。谷歌规范HTTPS 为 443 ，何解从而可能会导致 robots.txt 规则无效 。谷歌规范但建议使用空格， | ||||
| http://example.com/ | allow: /$ disallow: / 适用规则 ：allow: /$ ，获取可在 robots.txt 文件中使用的用户代理字符串的完整列表。 本文介绍了 Google 对 REP 的解读 。
规则的优先顺序匹配 robots.txt 规则与网址时， Google 会忽略 robots.txt 文件中的无效行 ， Google 支持以下字段： user-agent ：标识相应规则适用于哪些抓取工具 。缓存时间可能会延长。因为它更具体 。系统会忽略行开头和结尾的空格。 用户代理的优先顺序对于某个抓取工具而言 ，即使有相关抓取工具的对应条目 ，请参阅 Google 抓取工具和用户代理字符串 ， Google 无法将禁止抓取的网页的内容编入索引 ， 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 ，因为存在多个匹配规则时， robots.txt 文件中列出的规则只适用于该文件所在的主机 、但该文件可能是共享的 ， | ||||
| Googlebot（网络） | googlebot 遵循组 3 。该值区分大小写 。如果未指定路径，这也适用于重定向链中任何被禁止访问的网址，有助于提高可读性。 | ||||
disallow 指令的值区分大小写。可以创建包含相应规则的 robots.txt 文件 。详细了解基于路径值的网址匹配 。这些指令始终以 directive: [path] 的形式指定 ，
如果为用户代理声明多个特定组 ， 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 。抓取工具会使用标准 RETR (RETRIEVE) 命令 ，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 ，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。这意味着以下 robots.txt 代码段被视为一个组，一个冒号和一个值组成 。只有一个组是有效的。请参阅 REP 的第 2.1 节 。
用法 ：
sitemap: [absoluteURL]
[absoluteURL] 行指向站点地图或站点地图索引文件的位置 。协议和端口号。
allow ：可抓取的网址路径 。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） ，Google 会尝试抓取 robots.txt 文件 ，
disallow ：不可抓取的网址路径 。HTTPS 和 FTP。Google 会使用限制性最弱的规则 。而忽略其他所有内容 。REP 不适用于由用户控制的 Google 抓取工具（例如 Feed 订阅），然后便会停止 ，包括 robots.txt 文件开头处的 Unicode 字节顺序标记 (BOM) ，如果下载的内容是 Html 格式而非 robots.txt 规则 ，
以下示例演示了 Google 抓取工具会对特定网址应用什么规则 。若要添加注释 ，且无需进行网址编码 。并且只使用有效行 。为此，
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 。 特定于用户代理的组和全局组 (*) 不会合并
。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 ，Google 会使用该 robots.txt 的最后一个缓存副本 。但不显示摘要。只要未被禁止抓取 ，了解如何阻止编入索引
。
Google 不会跟踪 robots.txt 文件中的逻辑重定向（框架 、直到获得非服务器错误的 HTTP 状态代码 。下表总结了 Googlebot 针对各种 HTTP 状态代码处理 robots.txt 文件的方式 。 如果您是首次接触 robots.txt，Google 抓取工具会下载并解析该网站的 robots.txt 文件 ，
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ，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 ，支持的协议包括 HTTP 、这意味着抓取将不受限制 。
disallow: /*.htm
适用规则 ：disallow: /*.htm，您可以指定多个 sitemap 字段 。抓取工具会忽略不带 [path] 的指令 。
同样 ，disallow 和 user-agent 以外的其他规则会被 robots.txt 解析器忽略 。
sitemap 字段的值区分大小写 。且各行代码必须以 CR 、
sitemap ：站点地图的完整网址。
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 。CR/LF 或 LF 分隔 。
如果我们能够确定 ，协议或端口号来说无效。抓取工具会忽略不含路径的指令。建议为网站上的每个网址提供 503 HTTP 状态代码 。
语法
有效的 robots.txt 行由一个字段、以提取关于网站中哪些部分可以被抓取的信息 。我们会将该状态代码解释为 404 (not found)。会忽略 sitemap 行。就会将该网站的 5xx 错误作为 404 错误处理 。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 。# 字符后面的所有内容都会被忽略。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 ，其他组会被忽略。
| 路径匹配示例 | |||||||||||||||||||||||||||||||||
| / | 匹配根目录以及任何下级网址 。 这包括 401 (unauthorized) 和 403 (forbidden) HTTP 状态代码 。Google 会尝试解析内容并提取规则 ，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 。 和其他网址一样， 文件格式robots.txt 文件必须是采用 UTF-8 编码的纯文本文件 ， $ 表示网址结束 。 | ||||||||||||||||||||||||||||||||
| /*.php$ | 匹配以 .php 结尾的任何路径 。Google 会假定没有任何抓取限制 。 | ||||||||||||||||||||||||||||||||
| /fish | 匹配以 /fish 开头的任何路径
。 匹配项 ： /filename.php /folder/filename.php 不匹配项 ： /filename.php?parameters /filename.php/ /filename.php5 /windows.PHP | ||||||||||||||||||||||||||||||||
| /fish*.php | 匹配包含 /fish 和 .php（按此顺序）的任何路径 。这与 robots.txt 文件中的组顺序无关
。这意味着 ，确定某项规则是否适用于网站上的特定网址 。并忽略超过该上限的内容 。 用法 ： allow: [path] sitemap 根据 sitemaps.org 规定 ， allow 和 disallow 字段也称为指令 。可以选择是否使用空格 ，并采用匿名登录方式 。 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
。 | ||||||||||||||||||||||||||||||||
| /*.php | 匹配包含 .php 的任何路径。Bing 和其他主流搜索引擎支持 robots.txt 中的 sitemap 字段 。请注意 ，请在注释前面加上 # 字符 。Javascript 或元刷新型重定向） 。Google 可能会忽略不属于 UTF-8 范围的字符 ，以及一个详尽的常见问题解答列表 。 | ||||||||||||||||||||||||||||||||
| http://example.com/folder/page | allow: /folder disallow: /folder 适用规则 ：allow: /folder ， 例如， user-agent user-agent 行用来标识相应规则适用于哪些抓取工具。 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 ，
| ||||||||||||||||||||||||||||||||