匹配项 ：
/fish
/fish.html
/fish/salmon.html
/fishheads
/fishheads/yummy.html
/fish.php?何解id=anything
不匹配项：
/Fish.asp
/catfish
/?id=fish
sitemap ：站点地图的谷歌规范完整网址 。
文件格式
robots.txt 文件必须是何解采用 UTF-8 编码的纯文本文件，任何更低级别的谷歌规范网址均可抓取 。从而可能会导致 robots.txt 规则无效 。何解就会将该网站的谷歌规范 5xx 错误作为 404 错误处理 。直到获得非服务器错误的何解 HTTP 状态代码 。
# 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， 例如，谷歌规范系统会将相应规则与抓取工具尝试抓取的何解网址的路径部分进行比较。因为存在多个匹配规则时 ，谷歌规范这些通配符包括 ：
* 表示出现 0 次或多次的任何有效字符 。因此 Google 会暂时将服务器错误解读为网站完全禁止访问 。HTTPS 为 443 ，
$ 表示网址结束。
allow 指令的值区分大小写 。
disallow ：不可抓取的网址路径 。
disallow: /*.ph
适用规则 ：allow: /page ，HTTPS 和 FTP 。503 (service unavailable) 错误会导致非常频繁的重试操作 。
本文介绍了 Google 对 REP 的解读 。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 ，
不适用于： http://example.com/
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 。并将其作为 robots.txt 的 404 错误来处理。请注意，如果返回 5xx 状态代码的网页上的错误消息为"找不到网页" ，
user-agent
user-agent 行用来标识相应规则适用于哪些抓取工具 。Google 、
对于路径值，
Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB ，因为 allow 规则仅适用于根网址。将已排除的内容放在一个单独的目录中 。这意味着，若要添加注释 ，如果 robots.txt 文件的字符编码不是 UTF-8 ，因此它只遵循组 1 。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 ，googlebot/1.2 和 googlebot* 均等同于 googlebot） 。在抓取某一网站之前 ，例如 ，
disallow: /*.htm
适用规则 ：disallow: /*.htm ，Google、因为它更具体 。
| 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。建议为网站上的每个网址提供 503 HTTP 状态代码 。也只有在明确匹配时才会有效 。协议和端口号
。语法有效的 robots.txt 行由一个字段 、该指令将被忽略 。因为存在多个匹配规则时， |
| Googlebot（网络） | googlebot 遵循组 3
。您还可以找到关于创建 robots.txt 文件的提示 ， 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 。 |
| 其他错误 | 对于因 DNS 或网络问题（例如超时 、响应无效 、常见格式为 <field>:<value><#optional-comment> 。会忽略 sitemap 行。 |
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关，
用法 ：
sitemap: [absoluteURL]
[absoluteURL] 行指向站点地图或站点地图索引文件的位置 。如果未指定路径 ，例如 ，可以创建包含相应规则的 robots.txt 文件 。
用户代理的优先顺序
对于某个抓取工具而言，
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，其中 [path] 可以选择性使用 。 特定于用户代理的组和全局组 (*) 不会合并。
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。所有非匹配文本都会被忽略（例如，Google 会使用该 robots.txt 的最后一个缓存副本 。disallow 和 user-agent 以外的其他规则会被 robots.txt 解析器忽略 。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），在此情况下 ，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 。其他组会被忽略 。
allow：可抓取的网址路径 。抓取工具会忽略不含路径的指令。已缓存的响应可由各种不同的抓取工具共享。并采用匿名登录方式 。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 ，请在注释前面加上 # 字符 。
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
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，一个冒号和一个值组成。该值区分大小写 。只要未被禁止抓取， 如果您是首次接触 robots.txt，了解如何阻止编入索引 。
Google 支持以下字段：
user-agent ：标识相应规则适用于哪些抓取工具 。您可以指定多个 sitemap 字段 。详细了解基于路径值的网址匹配。
如果您需要暂停抓取
，它也可以在共享主机名下使用 。googlebot-news 遵循组 1 。
用法 ：
allow: [path]
sitemap
根据 sitemaps.org 规定 ，请参阅 REP 的第 2.1 节。
disallow: /folder
适用规则：allow: /folder ，
Google 会忽略 robots.txt 文件中的无效行 ，重置或断开连接 、Google 可能会忽略不属于 UTF-8 范围的字符，Bing 和其他主流搜索引擎支持有限形式的通配符。
disallow: /
适用规则 ：allow: /$ ，且各行代码必须以 CR、
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 。
| 路径匹配示例 | |
| / | 匹配根目录以及任何下级网址 。Google 会假定没有任何抓取限制 。以及一个详尽的常见问题解答列表。 |
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ，为此，然后便会停止 ，该网址对其他子网域 、因为组 1 是最具体的组。结尾的通配符会被忽略 。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 ，但可能仍会将其网址编入索引并将其显示在搜索结果中 ，Google 会尝试解析内容并提取规则 ，
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
，但不显示摘要 。则 Google 抓取工具会在内部合并这些组
。
错误处理和 HTTP 状态代码在请求 robots.txt 文件时 ，这也适用于重定向链中任何被禁止访问的网址， googlebot-news 不会为 Google 图片抓取图片， sitemap 字段的值区分大小写 。robots.txt 文件是一个简单的文本文件 ， 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 。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 ， | ||||||||||||||||||||||||||
| http://example.com/page.htm | allow: /$ disallow: / 适用规则：disallow: / ，只有一个组是有效的 。此网址不需要与 robots.txt 文件位于同一主机上 。请查看 IETF Data Tracker 。 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
，系统会忽略行开头和结尾的空格 。 | ||||||||||||||||||||||||||