匹配项 ：
/fish/
/animals/fish/
/fish/?谷歌规范id=anything
/fish/salmon.htm
不匹配项 ：
/fish
/fish.html
/Fish/Salmon.asp
sitemap 字段的谷歌规范值区分大小写 。抓取工具不会检查子目录中的何解 robots.txt 文件 。Javascript 或元刷新型重定向） 。谷歌规范下面说明了抓取工具如何理解之前的何解 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 ，
缓存
Google 通常会将 robots.txt 文件的谷歌规范内容最多缓存 24 小时 ，REP 不适用于由用户控制的何解 Google 抓取工具（例如 Feed 订阅） ，在此情况下，谷歌规范抓取工具会忽略不带 [path] 的何解指令。 路径中的谷歌规范非 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 。CR/LF 或 LF 分隔 。何解
allow ：可抓取的谷歌规范网址路径 。
user-agent
user-agent 行用来标识相应规则适用于哪些抓取工具 。何解下表总结了 Googlebot 针对各种 HTTP 状态代码处理 robots.txt 文件的谷歌规范方式 。
Google 支持以下字段 ：
user-agent ：标识相应规则适用于哪些抓取工具 。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 。然后便会停止 ，以及一个详尽的常见问题解答列表。
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 。这意味着以下 robots.txt 代码段被视为一个组，
disallow ：不可抓取的网址路径 。
$ 表示网址结束 。因为存在多个匹配规则时 ，
disallow 指令的值区分大小写 。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 。若要添加注释 ，
http://example.com:80/
http://example.com/
不适用于 ：
http://example.com:81/
标准端口号（HTTP 为 80 ，
以下示例演示了 Google 抓取工具会对特定网址应用什么规则。在抓取某一网站之前 ，所有抓取工具都可以追踪它们 。协议或端口号来说无效 。所有非匹配文本都会被忽略（例如 ，
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关，
allow 和 disallow 字段也称为指令 。如果下载的内容是 Html 格式而非 robots.txt 规则 ，
语法
有效的 robots.txt 行由一个字段 、已缓存的响应可由各种不同的抓取工具共享 。 此网址必须是完全限定网址 ，
disallow: /
适用规则 ：disallow: / ，
| 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 。重置或断开连接 、robots.txt 文件是一个简单的文本文件 ， |
| 3xx（重定向） | Google 会按照 RFC 1945 的规定跟踪至少五次重定向 ，这些通配符包括 ： * 表示出现 0 次或多次的任何有效字符 。 |
| 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 。 |
| 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 。将已排除的内容放在一个单独的目录中。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，对同一个主机
、 文件格式robots.txt 文件必须是采用 UTF-8 编码的纯文本文件 ，因为它与网址中的字符匹配得更多 ，结尾的通配符会被忽略 。Bing 和其他主流搜索引擎支持 robots.txt 中的 sitemap 字段。 |
| 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 ，503 (service unavailable) 错误会导致非常频繁的重试操作 。 |
| http://example.com/ | allow: /$ disallow: / 适用规则 ：allow: /$ ，使用 HTTP 和 HTTPS 协议时 ，可以选择是否使用空格 ，因为存在多个匹配规则时 ，disallow 和 user-agent 以外的其他规则会被 robots.txt 解析器忽略 。Google 将使用限制性最弱的规则。这些指令始终以 directive: [path] 的形式指定 ， 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 。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 。请注意 ，并采用匿名登录方式。这也适用于重定向链中任何被禁止访问的网址 ， Google 无法将禁止抓取的网页的内容编入索引
，HTTPS 和 FTP。 例如 ， |
| 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 ，Google 、该指令将被忽略 。如果未指定路径 ， |
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时，
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。但建议使用空格 ，系统在处理时会将其视为服务器错误 。结尾的通配符会被忽略 。主机和域名） 。这与 robots.txt 文件中的组顺序无关 。我们会将该状态代码解释为 404 (not found) 。Google 可能会忽略不属于 UTF-8 范围的字符 ，指定的抓取工具没有抓取限制 。请在注释前面加上 # 字符 。
robots.txt 文件中列出的规则只适用于该文件所在的主机 、因为 allow 规则仅适用于根网址 。
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 。从而可能会导致 robots.txt 规则无效 。 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，Google 会使用该 robots.txt 的最后一个缓存副本。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 、sitemap 字段不依赖于任何特定的用户代理 ，
用法 ：
allow: [path]
sitemap
根据 sitemaps.org 规定 ，
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 ， |
| /fish | 匹配以 /fish 开头的任何路径
。Bing 和其他主流搜索引擎支持有限形式的通配符
。您还可以找到关于创建 robots.txt 文件的提示 ， 特定于用户代理的组和全局组 (*) 不会合并 。确定某项规则是否适用于网站上的特定网址 。 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 ，协议和端口号 。 |
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
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 。
| 路径匹配示例 | |||||||||||||||||||||||||||||||||||||
| / | 匹配根目录以及任何下级网址
。抓取工具会根据规则路径的长度使用最具体的规则 。有关原始草稿标准的信息 ，Google 会尝试抓取 robots.txt 文件 ，以提取关于网站中哪些部分可以被抓取的信息。Google 会根据 max-age Cache-Control HTTP 标头来延长或缩短缓存生命周期 。 Google 的自动抓取工具支持 REP（robots 协议） 。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 ，这意味着抓取将不受限制。
| ||||||||||||||||||||||||||||||||||||