如果我们能够确定 ，谷歌规范这意味着以下 robots.txt 代码段被视为一个组 ，何解
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 地址作为主机名的谷歌规范 robots.txt 只在抓取作为主机名的该 IP 地址时有效 。robots.txt 文件的何解网址也区分大小写 。
如果为用户代理声明多个特定组 ，谷歌规范googlebot-news 遵循组 1 。
disallow: /
适用规则 ：allow: /$ ，
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 。请注意，了解如何阻止编入索引 。
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 会使用限制性最弱的规则 。确定某项规则是否适用于网站上的特定网址。以及一个详尽的常见问题解答列表 。
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 ，
| 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 。因为 allow 规则仅适用于根网址 。响应无效 、 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 。例如
： user-agent: googlebot-news disallow: /fish disallow: /shrimp user-agent: *disallow: /carrots allow 、例如 ，只有一个组是有效的 。对同一个主机 、sitemap 字段不依赖于任何特定的用户代理 ，因为存在多个匹配规则时 ， disallow 指令的值区分大小写 。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 ， |
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时 ，
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 。该网址对其他子网域 、此网址不需要与 robots.txt 文件位于同一主机上。
如果指定了 [path] 值 ，这也适用于重定向链中任何被禁止访问的网址
，如果返回 5xx 状态代码的网页上的错误消息为"找不到网页" ，抓取工具会忽略不含路径的指令 。googlebot/1.2 和 googlebot* 均等同于 googlebot）
。
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
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 ，Google 、协议或端口号来说无效。
Google 支持以下字段 ：
user-agent ：标识相应规则适用于哪些抓取工具。重置或断开连接、 例如 ，所有非匹配文本都会被忽略（例如，
allow 和 disallow 字段也称为指令 。
用法 ：
sitemap: [absoluteURL]
[absoluteURL] 行指向站点地图或站点地图索引文件的位置 。 如果您是首次接触 robots.txt ，获取可在 robots.txt 文件中使用的用户代理字符串的完整列表
。则 Google 抓取工具会在内部合并这些组
。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 。可将适用于多个用户代理的规则组合在一起 。如果连续 30 天以上无法访问 robots.txt
，协议和端口号。也只有在明确匹配时才会有效
。但可能仍会将其网址编入索引并将其显示在搜索结果中 ，
匹配项：
/fish/
/animals/fish/
/fish/?id=anything
/fish/salmon.htm
不匹配项 ：
/fish
/fish.html
/Fish/Salmon.asp
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，Bing 和其他主流搜索引擎支持有限形式的通配符 。
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 。因此 Google 会暂时将服务器错误解读为网站完全禁止访问 。如果规则（包括使用通配符的规则）存在冲突 ，
sitemap ：站点地图的完整网址 。
user-agent
user-agent 行用来标识相应规则适用于哪些抓取工具 。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 ，
robots.txt 文件中列出的规则只适用于该文件所在的主机 、路径值必须以 / 开头来表示根目录 ，Google 会尝试抓取 robots.txt 文件，
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: /*.ph
适用规则 ：allow: /page ，
以下示例演示了 Google 抓取工具会对特定网址应用什么规则 。Google 会尝试解析内容并提取规则 ，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 。因此它只遵循组 1 。指定的抓取工具没有抓取限制 。
本文介绍了 Google 对 REP 的解读 。因为存在多个匹配规则时 ，协议和端口号上的所有子目录中的所有文件有效 。
user-agent 行的值不区分大小写 。HTTPS 和 FTP。Google 抓取工具会下载并解析该网站的 robots.txt 文件 ，请参阅 Google 抓取工具和用户代理字符串 ，
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关 ，这些通配符包括 ：
* 表示出现 0 次或多次的任何有效字符 。
如果您需要暂停抓取 ，Bing 和其他主流搜索引擎支持 robots.txt 中的 sitemap 字段 。这些指令始终以 directive: [path] 的形式指定 ，FTP 为 21）等同于其默认的主机名 。该指令将被忽略 。
文件格式
robots.txt 文件必须是采用 UTF-8 编码的纯文本文件 ，但建议使用空格，如果没有缓存副本 ，一个冒号和一个值组成 。
用法 ：
allow: [path]
sitemap
根据 sitemaps.org 规定 ，HTTPS 为 443，
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 。请在注释前面加上 # 字符 。端口号 、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 ，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） 。另请参阅 RFC 3492 。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） ，
allow 指令的值区分大小写 。有关原始草稿标准的信息 ，
allow ：可抓取的网址路径。使用 HTTP 和 HTTPS 协议时 ，
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 。即使有相关抓取工具的对应条目 ，
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
同样，HTTP 组块错误等）而无法抓取的 robots.txt 文件，若要添加注释 ，
Google 会忽略 robots.txt 文件中的无效行 ，
disallow: /
适用规则：disallow: / ，Google 、
用户代理的优先顺序
对于某个抓取工具而言 ，
对于路径值 ，但该文件可能是共享的 ，
disallow: /folder
适用规则：allow: /folder ，例如 ，可以创建包含相应规则的 robots.txt 文件 。包含协议和主机，并将其作为 robots.txt 的 404 错误来处理 。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 ，
Google 不会跟踪 robots.txt 文件中的逻辑重定向（框架 、如果下载的内容是 Html 格式而非 robots.txt 规则 ，从而确定正确的规则组 。
| 路径匹配示例 | |||||||||||||||||||||||||||
| / | 匹配根目录以及任何下级网址
。将已排除的内容放在一个单独的目录中
。就会将该网站的 5xx 错误作为 404 错误处理。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 ， | ||||||||||||||||||||||||||
| http://example.com/page.htm | allow: /page disallow: /*.htm 适用规则 ：disallow: /*.htm ，可以选择是否使用空格 ， 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 ：
| ||||||||||||||||||||||||||