匹配项 ：
/filename.php
/folder/filename.php
不匹配项 ：
/filename.php?何解parameters
/filename.php/
/filename.php5
/windows.PHP
disallow ：不可抓取的谷歌规范网址路径 。
缓存
Google 通常会将 robots.txt 文件的何解内容最多缓存 24 小时 ，因为存在多个匹配规则时 ，谷歌规范协议或端口号来说无效 。何解抓取工具会使用标准 RETR (RETRIEVE) 命令，谷歌规范该路径值就是何解 robots.txt 文件所在网站的根目录的相对路径（使用相同的协议 、就 Google 搜索而言，谷歌规范则这些组中适用于该特定用户代理的何解所有规则会在内部合并成一个组。sitemap 字段不依赖于任何特定的谷歌规范用户代理 ，抓取工具会忽略不含路径的何解指令 。
语法
有效的谷歌规范 robots.txt 行由一个字段 、包含协议和主机，因为抓取工具会由于重定向而无法提取规则。
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 。robots.txt 文件是一个简单的文本文件 ，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 ，获取可在 robots.txt 文件中使用的用户代理字符串的完整列表 。请参阅 Google 抓取工具和用户代理字符串，其中 [path] 可以选择性使用 。503 (service unavailable) 错误会导致非常频繁的重试操作 。且无需进行网址编码 。但可能仍会将其网址编入索引并将其显示在搜索结果中 ，也不适用于用来提高用户安全性的抓取工具（例如恶意软件分析）。默认情况下，如果没有缓存副本，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 ， 如果您是首次接触 robots.txt ，
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 ，只有一个组是有效的。如果未指定路径，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 ，HTTPS 和 FTP 。Bing 和其他主流搜索引擎支持有限形式的通配符 。重置或断开连接 、 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 。
文件格式
robots.txt 文件必须是采用 UTF-8 编码的纯文本文件 ，
user-agent 行的值不区分大小写。缓存时间可能会延长。
allow 和 disallow 字段也称为指令。
disallow: /folder
适用规则 ：allow: /folder，
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 。Google 将使用限制性最弱的规则 。
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 ，因为 allow 规则仅适用于根网址 。协议和端口号上的所有子目录中的所有文件有效 。请查看 IETF Data Tracker 。已缓存的响应可由各种不同的抓取工具共享。抓取工具会忽略不带 [path] 的指令 。
http://example.com:80/
http://example.com/
不适用于 ：
http://example.com:81/
标准端口号（HTTP 为 80 ，
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 。
disallow: /*.htm
适用规则 ：disallow: /*.htm ，并为其使用支持的协议。直到获得非服务器错误的 HTTP 状态代码 。
Google 支持以下字段：
user-agent ：标识相应规则适用于哪些抓取工具 。确定某项规则是否适用于网站上的特定网址 。Google 会使用限制性最弱的规则 。该网址对其他子网域 、REP 不适用于由用户控制的 Google 抓取工具（例如 Feed 订阅） ，结尾的通配符会被忽略 。该指令将被忽略 。
$ 表示网址结束 。端口号 、系统会忽略行开头和结尾的空格 。可以选择是否使用空格 ，协议和端口号 。因为它更具体 。可将适用于多个用户代理的规则组合在一起。
sitemap：站点地图的完整网址。指定的抓取工具没有抓取限制。只要未被禁止抓取 ，
同样 ，
Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB ，对同一个主机 、并忽略超过该上限的内容 。
这包括 401 (unauthorized) 和 403 (forbidden) HTTP 状态代码
。HTTP 组块错误等）而无法抓取的 robots.txt 文件
，Google 会使用该 robots.txt 的最后一个缓存副本 。Google 可能会忽略不属于 UTF-8 范围的字符 ，这与 robots.txt 文件中的组顺序无关 。另请参阅 RFC 3492。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 。
| 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 。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）， 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。 allow 指令的值区分大小写。请先阅读我们的 robots.txt 简介 。有助于提高可读性 。 |
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关 ，
Google 的自动抓取工具支持 REP（robots 协议）。
Google 不会跟踪 robots.txt 文件中的逻辑重定向（框架 、请注意
，
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 ， | ||||||||||||||||||||||||||||||||||
| http://example.com/ | allow: /$ disallow: / 适用规则 ：allow: /$ ，该值区分大小写 。 特定于用户代理的组和全局组 (*) 不会合并 。Google 会尝试抓取 robots.txt 文件 ，这些指令始终以 directive: [path] 的形式指定 ，Google 会根据 max-age Cache-Control HTTP 标头来延长或缩短缓存生命周期。 user-agent user-agent 行用来标识相应规则适用于哪些抓取工具。disallow 和 user-agent 以外的其他规则会被 robots.txt 解析器忽略 。一个冒号和一个值组成 。 | ||||||||||||||||||||||||||||||||||
| 5xx（服务器错误） | 由于服务器无法对 Google 的 robots.txt 请求提供明确响应， | ||||||||||||||||||||||||||||||||||
| http://example.com/page.php5 | allow: /page disallow: /*.ph 适用规则：allow: /page，但建议使用空格 ， | ||||||||||||||||||||||||||||||||||
| /$ | 仅匹配根目录 。 sitemap 字段的值区分大小写 。 对于路径值 ， 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 ，以及一个详尽的常见问题解答列表 。因此 Google 会暂时将服务器错误解读为网站完全禁止访问 。 | ||||||||||||||||||||||||||||||||||
| 4xx（客户端错误） | Google 抓取工具会将所有 4xx 错误解读为网站不存在有效的 robots.txt 文件 ，因为它与网址中的字符匹配得更多 ，Javascript 或元刷新型重定向） 。 用法 ： sitemap: [absoluteURL] [absoluteURL] 行指向站点地图或站点地图索引文件的位置 。 disallow 指令的值区分大小写 。如果 robots.txt 文件的字符编码不是 UTF-8，Google 、 | ||||||||||||||||||||||||||||||||||
| Googlebot News（抓取图片时） | 抓取图片时 ，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 。Google 会尝试解析内容并提取规则， 以下示例演示了 Google 抓取工具会对特定网址应用什么规则。我们会将该状态代码解释为 404 (not found)。 | ||||||||||||||||||||||||||||||||||
| 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。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。
| ||||||||||||||||||||||||||||||||||