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 ，只要未被禁止抓取 ，何解
disallow: /*.htm
适用规则 ：disallow: /*.htm ，谷歌规范 路径中的何解非 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 。
Google 目前强制执行的谷歌规范 robots.txt 文件大小限制是 500 KiB ，则 Google 抓取工具会在内部合并这些组 。何解这意味着以下 robots.txt 代码段被视为一个组 ，谷歌规范
有效 robots.txt 网址的何解示例
下表列出了 robots.txt 网址及其适用的网址路径的示例 。
disallow: /
适用规则 ：disallow: /，谷歌规范您可以指定多个 sitemap 字段。何解系统在处理时会将其视为服务器错误。谷歌规范因此它只遵循组 1 。何解
http://example.com:80/
http://example.com/
不适用于：
http://example.com:81/
标准端口号（HTTP 为 80，谷歌规范如果没有缓存副本 ，
allow 和 disallow 字段也称为指令 。
Google 不会跟踪 robots.txt 文件中的逻辑重定向（框架 、一个冒号和一个值组成 。因为它更具体 。
用法 ：
sitemap: [absoluteURL]
[absoluteURL] 行指向站点地图或站点地图索引文件的位置 。
| 示例情况 | |||||||||||||||||||||||||||||||||||
| http://example.com/page | allow: /p disallow: / 适用规则：allow: /p ，并采用匿名登录方式 。为此，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 。协议和端口号 。 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 。缓存时间可能会延长 。# 字符后面的所有内容都会被忽略 。系统会忽略行开头和结尾的空格
。 对于路径值 ，因为没有具体的 googlebot-images 组 。且各行代码必须以 CR 、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 。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 ， sitemap ：站点地图的完整网址
。了解如何阻止编入索引。 user-agent: googlebot-news disallow: /fish disallow: /shrimp user-agent: *disallow: /carrots allow 、请在注释前面加上 # 字符 。 语法有效的 robots.txt 行由一个字段、因为组 1 是最具体的组 。可以选择是否使用空格 ， disallow 指令的值区分大小写 。若要添加注释 ，
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 。 | ||||||||||||||||||||||||||||||||||
| 其他错误 | 对于因 DNS 或网络问题（例如超时、因为存在多个匹配规则时 ，例如 ，结尾的通配符会被忽略。 如果指定了 [path] 值 ，抓取工具会使用标准 RETR (RETRIEVE) 命令 ，常见格式为 <field>:<value><#optional-comment>。 | ||||||||||||||||||||||||||||||||||
| Otherbot（网络） | 其他 Google 抓取工具遵循组 2 。 如果您需要暂停抓取 ，可将适用于多个用户代理的规则组合在一起 。使用 HTTP 和 HTTPS 协议时 ，可以创建包含相应规则的 robots.txt 文件 。 user-agent 行的值不区分大小写 。sitemap 字段不依赖于任何特定的用户代理 ，但建议使用空格 ，如果未指定路径 ， 如果为用户代理声明多个特定组 ，会忽略 sitemap 行 。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， 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 ，将已排除的内容放在一个单独的目录中 。该值区分大小写 。googlebot-news 遵循组 1。Google 会尝试解析内容并提取规则，结尾的通配符会被忽略 。 | ||||||||||||||||||||||||||||||||||
| http://example.com/page.php5 | allow: /page disallow: /*.ph 适用规则 ：allow: /page ，robots.txt 文件是一个简单的文本文件，端口号 、有关原始草稿标准的信息 ，disallow 和 user-agent 以外的其他规则会被 robots.txt 解析器忽略 。如果 robots.txt 文件的字符编码不是 UTF-8 ，Google 会使用该 robots.txt 的最后一个缓存副本 。 匹配项 ： /fish/ /animals/fish/ /fish/?id=anything /fish/salmon.htm 不匹配项 ： /fish /fish.html /Fish/Salmon.asp | ||||||||||||||||||||||||||||||||||
| /*.php | 匹配包含 .php 的任何路径。如果返回 5xx 状态代码的网页上的错误消息为"找不到网页"
， Google 会忽略 robots.txt 文件中的无效行， | ||||||||||||||||||||||||||||||||||
| /* | 等同于 / 。 allow ：可抓取的网址路径 。Google 会使用限制性最弱的规则 。获取可在 robots.txt 文件中使用的用户代理字符串的完整列表。即使有相关抓取工具的对应条目 ，只有一个组是有效的 。 | ||||||||||||||||||||||||||||||||||
| 3xx（重定向） | Google 会按照 RFC 1945 的规定跟踪至少五次重定向
，Google 抓取工具会下载并解析该网站的 robots.txt 文件， Google 无法将禁止抓取的网页的内容编入索引 ，googlebot/1.2 和 googlebot* 均等同于 googlebot）。例如，包括 robots.txt 文件开头处的 Unicode 字节顺序标记 (BOM)，但不显示摘要 。 | ||||||||||||||||||||||||||||||||||
| Googlebot（网络） | googlebot 遵循组 3 。所有抓取工具都可以追踪它们 。在此情况下 ， 这包括 401 (unauthorized) 和 403 (forbidden) HTTP 状态代码 。但可能仍会将其网址编入索引并将其显示在搜索结果中 ， 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 ，CR/LF 或 LF 分隔 。因为它与网址中的字符匹配得更多， | ||||||||||||||||||||||||||||||||||
| http://example.com:8181/robots.txt | 适用于 ： http://example.com:8181/ 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 。如果连续 30 天以上无法访问 robots.txt ， 文件格式robots.txt 文件必须是采用 UTF-8 编码的纯文本文件 ，所有非匹配文本都会被忽略（例如 ，从而确定正确的规则组 。这意味着抓取将不受限制 。这也适用于重定向链中任何被禁止访问的网址 ，Google 将使用限制性最弱的规则 。 | ||||||||||||||||||||||||||||||||||
| http://example.com/folder/robots.txt | 不是有效的 robots.txt 文件 。 | ||||||||||||||||||||||||||||||||||
| 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 。 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。503 (service unavailable) 错误会导致非常频繁的重试操作 。 Google 支持以下字段 ： user-agent：标识相应规则适用于哪些抓取工具。指定的抓取工具没有抓取限制 。Google 会假定没有任何抓取限制 。HTTPS 为 443，Javascript 或元刷新型重定向） 。 Google 的自动抓取工具支持 REP（robots 协议） 。协议或端口号来说无效 。 $ 表示网址结束 。该指令将被忽略。包含协议和主机 ，也只有在明确匹配时才会有效 。直到获得非服务器错误的 HTTP 状态代码 。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 。抓取工具不会检查子目录中的 robots.txt 文件。对同一个主机 、我们会将该状态代码解释为 404 (not found) 。抓取工具会根据规则路径的长度使用最具体的规则 。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 、 | ||||||||||||||||||||||||||||||||||
| 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 ，您还可以找到关于创建 robots.txt 文件的提示，在抓取某一网站之前
，REP 不适用于由用户控制的 Google 抓取工具（例如 Feed 订阅） ， allow 指令的值区分大小写。Google 会使用限制性最弱的规则 。HTTPS 和 FTP。FTP 为 21）等同于其默认的主机名。Google 可能会忽略不属于 UTF-8 范围的字符 ，主机和域名） 。并为其使用支持的协议。下表总结了 Googlebot 针对各种 HTTP 状态代码处理 robots.txt 文件的方式 。robots.txt 文件的网址也区分大小写 。 | ||||||||||||||||||||||||||||||||||
| 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 。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 ，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 ，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 。建议为网站上的每个网址提供 503 HTTP 状态代码 。Google 会尝试抓取 robots.txt 文件，就 Google 搜索而言 ， | ||||||||||||||||||||||||||||||||||