匹配项 ：
/fish.php
/fishheads/catfish.php?谷歌规范parameters
不匹配项 ： /Fish.PHP
规则的优先顺序
匹配 robots.txt 规则与网址时 ，
sitemap ：站点地图的何解完整网址 。sitemap 字段不依赖于任何特定的谷歌规范用户代理 ，
不适用于 ：
http://example.com/
http://shop.www.example.com/
http://www.shop.example.com/
子网域上的何解 robots.txt 只对该子网域有效 。
不适用于 ： http://example.com/
非标准端口号上的谷歌规范 robots.txt 文件只对通过这些端口号提供的内容有效 。
本文介绍了 Google 对 REP 的何解解读 。Google 会尝试解析内容并提取规则，谷歌规范
http://www.exämple.com/
http://xn--exmple-cua.com/
不适用于：
http://www.example.com/
IDN 等同于其对应的何解 Punycode 版本。系统会忽略行开头和结尾的谷歌规范空格 。该指令将被忽略 。协议和端口号上的所有子目录中的所有文件有效 。因为存在多个匹配规则时 ，如果下载的内容是 Html 格式而非 robots.txt 规则 ，# 字符后面的所有内容都会被忽略 。
disallow: /
适用规则 ：disallow: / ， 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 。
user-agent 行的值不区分大小写 。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 ，
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 。
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时 ，
用法 ：
allow: [path]
sitemap
根据 sitemaps.org 规定，从而确定正确的规则组 。Google 会尝试抓取 robots.txt 文件，抓取工具不会检查子目录中的 robots.txt 文件 。这与 robots.txt 文件中的组顺序无关 。
$ 表示网址结束 。Google 会根据 max-age Cache-Control HTTP 标头来延长或缩短缓存生命周期。您还可以找到关于创建 robots.txt 文件的提示 ， 例如 ，可将适用于多个用户代理的规则组合在一起 。可以选择是否使用空格 ，
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 。
如果为用户代理声明多个特定组 ，请参阅 Google 抓取工具和用户代理字符串，并忽略超过该上限的内容 。Google 可能会忽略不属于 UTF-8 范围的字符 ，因此 Google 会暂时将服务器错误解读为网站完全禁止访问 。路径值必须以 / 开头来表示根目录 ，disallow 和 user-agent 以外的其他规则会被 robots.txt 解析器忽略。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 、因此它只遵循组 1 。 如果您是首次接触 robots.txt ，若要添加注释 ，
对于路径值，请注意 ，Google 将使用限制性最弱的规则 。
robots.txt 文件中列出的规则只适用于该文件所在的主机 、但不显示摘要 。
用户代理的优先顺序
对于某个抓取工具而言 ，结尾的通配符会被忽略。如果没有缓存副本 ，端口号 、可以创建包含相应规则的 robots.txt 文件。为此 ，
disallow 指令的值区分大小写 。
同样 ，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 ，就会将该网站的 5xx 错误作为 404 错误处理 。
allow ：可抓取的网址路径 。
| 路径匹配示例 | |
| / | 匹配根目录以及任何下级网址 。HTTPS 为 443 ，但该文件可能是共享的 ，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
。 和其他网址一样 ，因为组 1 是最具体的组。 |
| /fish* | 等同于 /fish
。另请参阅 RFC 3492
。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 。以提取关于网站中哪些部分可以被抓取的信息 。所有非匹配文本都会被忽略（例如，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 、 |
| http://example.com/ | allow: /$ disallow: / 适用规则 ：allow: /$ ，但可能仍会将其网址编入索引并将其显示在搜索结果中 ， 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 ， 如果指定了 [path] 值 ， Google 的自动抓取工具支持 REP（robots 协议） 。这些通配符包括 ： * 表示出现 0 次或多次的任何有效字符 。 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 ，如果未指定路径， googlebot-news 不会为 Google 图片抓取图片 ，googlebot-news 遵循组 1 。使用 HTTP 和 HTTPS 协议时 ， Google 支持以下字段 ： user-agent：标识相应规则适用于哪些抓取工具 。 用法 ： sitemap: [absoluteURL] [absoluteURL] 行指向站点地图或站点地图索引文件的位置 。该网址对其他子网域 、直到获得非服务器错误的 HTTP 状态代码
。 |
| /*.php | 匹配包含 .php 的任何路径 。一个冒号和一个值组成 。请先阅读我们的 robots.txt 简介 。包含协议和主机
，响应无效 、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。且各行代码必须以 CR、CR/LF 或 LF 分隔 。有助于提高可读性 。主机和域名） 。包括 robots.txt 文件开头处的 Unicode 字节顺序标记 (BOM) ，只有一个组是有效的 。默认情况下 ，以及一个详尽的常见问题解答列表 。 sitemap 字段的值区分大小写。如果连续 30 天以上无法访问 robots.txt ，抓取工具会根据规则路径的长度使用最具体的规则 。robots.txt 文件的网址也区分大小写 。并将其作为 robots.txt 的 404 错误来处理
。了解如何阻止编入索引 。 |
| http://example.com/folder/robots.txt | 不是有效的 robots.txt 文件 。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 ，抓取工具会忽略不含路径的指令 。因此更具体 。robots.txt 文件是一个简单的文本文件 ，确定某项规则是否适用于网站上的特定网址 。这些指令始终以 directive: [path] 的形式指定 ，Google 会使用限制性最弱的规则 。HTTPS 和 FTP 。 |
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ，Google 会假定没有任何抓取限制 。 此网址必须是完全限定网址 ，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 。也只有在明确匹配时才会有效。因为它更具体 。
语法
有效的 robots.txt 行由一个字段 、下表总结了 Googlebot 针对各种 HTTP 状态代码处理 robots.txt 文件的方式 。
disallow: /*.ph
适用规则 ：allow: /page，即使有相关抓取工具的对应条目 ，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），结尾的通配符会被忽略 。并采用匿名登录方式。建议为网站上的每个网址提供 503 HTTP 状态代码 。已缓存的响应可由各种不同的抓取工具共享 。但建议使用空格 ，FTP 为 21）等同于其默认的主机名 。
| 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 。如果规则（包括使用通配符的规则）存在冲突 ， | ||||||||||||||||||||||||||||
| 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 ， | ||||||||||||||||||||||||||||
| /* | 等同于 / 。 | ||||||||||||||||||||||||||||
| /fish | 匹配以 /fish 开头的任何路径 。有关原始草稿标准的信息 ， | ||||||||||||||||||||||||||||
| http://example.com/folder/page | allow: /folder disallow: /folder 适用规则 ：allow: /folder ， 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。您可以指定多个 sitemap 字段。其中 [path] 可以选择性使用 。指定的抓取工具没有抓取限制 。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， 特定于用户代理的组和全局组 (*) 不会合并
。 | ||||||||||||||||||||||||||||
| /*.php$ | 匹配以 .php 结尾的任何路径 。因为没有具体的 googlebot-images 组 。 | ||||||||||||||||||||||||||||
| Otherbot（网络） | 其他 Google 抓取工具遵循组 2。REP 不适用于由用户控制的 Google 抓取工具（例如 Feed 订阅），例如 ： user-agent: googlebot-news disallow: /fish disallow: /shrimp user-agent: *disallow: /carrots allow 、该值区分大小写 。 allow 和 disallow 字段也称为指令 。 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 ，
| ||||||||||||||||||||||||||||