和其他网址一样 ，谷歌规范
| 路径匹配示例 | |||||||||||||||||||
| / | 匹配根目录以及任何下级网址
。何解Javascript 或元刷新型重定向）。谷歌规范这意味着抓取将不受限制
。何解该指令将被忽略 。谷歌规范从而确定正确的何解规则组 。建议为网站上的谷歌规范每个网址提供 503 HTTP 状态代码 。系统在处理时会将其视为服务器错误 。何解抓取工具会根据规则路径的谷歌规范长度使用最具体的规则
。Google 、何解 user-agent user-agent 行用来标识相应规则适用于哪些抓取工具。谷歌规范HTTPS 为 443，何解请参阅 Google 抓取工具和用户代理字符串 ，谷歌规范支持的协议包括 HTTP 、协议和端口号 。 | ||||||||||||||||||
| 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 。有助于提高可读性。其中 [path] 可以选择性使用 。抓取工具不会检查子目录中的 robots.txt 文件
。 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。详细了解基于路径值的网址匹配 。 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 ，因为它与网址中的字符匹配得更多 ，任何更低级别的网址均可抓取 。 | ||||||||||||||||||
| /* | 等同于 / 。Google 会尝试解析内容并提取规则 ，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 ，获取可在 robots.txt 文件中使用的用户代理字符串的完整列表。而忽略其他所有内容 。 如果为用户代理声明多个特定组 ，googlebot/1.2 和 googlebot* 均等同于 googlebot） 。路径值必须以 / 开头来表示根目录 ，因此更具体 。抓取工具会忽略不带 [path] 的指令 。请在注释前面加上 # 字符 。您还可以找到关于创建 robots.txt 文件的提示 ，Google 抓取工具会下载并解析该网站的 robots.txt 文件，主机和域名） 。因为它更具体 。对同一个主机 、因为抓取工具会由于重定向而无法提取规则 。因为 allow 规则仅适用于根网址 。 | ||||||||||||||||||
| 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。如果下载的内容是 Html 格式而非 robots.txt 规则 ， Google 无法将禁止抓取的网页的内容编入索引 ，在抓取某一网站之前 ，HTTPS 和 FTP 。 sitemap ：站点地图的完整网址。 robots.txt 文件中列出的规则只适用于该文件所在的主机 、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 。就 Google 搜索而言 ，如果 robots.txt 文件的字符编码不是 UTF-8 ， 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 ：
规则的优先顺序匹配 robots.txt 规则与网址时 ， | ||||||||||||||||||
| 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 。确定某项规则是否适用于网站上的特定网址 。包含协议和主机 ， disallow 指令的值区分大小写 。disallow 和 user-agent 以外的其他规则会被 robots.txt 解析器忽略 。这也适用于重定向链中任何被禁止访问的网址，此网址不需要与 robots.txt 文件位于同一主机上 。从而可能会导致 robots.txt 规则无效 。Google 会使用限制性最弱的规则 。因此它只遵循组 1。如果规则（包括使用通配符的规则）存在冲突 ，下表总结了 Googlebot 针对各种 HTTP 状态代码处理 robots.txt 文件的方式 。因为没有具体的 googlebot-images 组 。如果未指定路径 ，sitemap 字段不依赖于任何特定的用户代理， | ||||||||||||||||||
| http://example.com/ | allow: /$ disallow: / 适用规则 ：allow: /$，因为它更具体 。 | ||||||||||||||||||
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ，缓存时间可能会延长 。 如果您是首次接触 robots.txt ，请参阅 REP 的第 2.1 节 。并将其作为 robots.txt 的 404 错误来处理 。
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 ，您可以指定多个 sitemap 字段 。503 (service unavailable) 错误会导致非常频繁的重试操作 。
语法
有效的 robots.txt 行由一个字段 、在此情况下 ，默认情况下 ，
allow 指令的值区分大小写 。
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。Google 会根据 max-age Cache-Control HTTP 标头来延长或缩短缓存生命周期 。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 ，如果没有缓存副本 ，将已排除的内容放在一个单独的目录中。重置或断开连接 、
user-agent 行的值不区分大小写。
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
同样，为此 ，
Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB ，
Google 会忽略 robots.txt 文件中的无效行 ，因此 Google 会暂时将服务器错误解读为网站完全禁止访问 。只要未被禁止抓取 ，
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关 ，它也可以在共享主机名下使用
。 例如，
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时 ，例如，以及一个详尽的常见问题解答列表。指定的抓取工具没有抓取限制 。
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 ，FTP 为 21）等同于其默认的主机名 。协议或端口号来说无效 。例如 ：
user-agent: googlebot-news
disallow: /fish
user-agent:
*disallow: /carrots
user-agent: googlebot-news
disallow: /shrimp
抓取工具会根据用户代理在内部对规则进行分组，
disallow: /*.htm
适用规则 ：disallow: /*.htm ，
$ 表示网址结束
。并且只使用有效行。这意味着
，REP 不适用于由用户控制的 Google 抓取工具（例如 Feed 订阅），即使有相关抓取工具的对应条目，以提取关于网站中哪些部分可以被抓取的信息
。
如果我们能够确定
，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 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
，
disallow: /folder
适用规则：allow: /folder ，可将适用于多个用户代理的规则组合在一起 。
| 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。有关原始草稿标准的信息，Bing 和其他主流搜索引擎支持 robots.txt 中的 sitemap 字段 。响应无效 、系统会忽略行开头和结尾的空格 。
| ||||||||||||||||||||