匹配项 ：
/index.php
/filename.php
/folder/filename.php
/folder/filename.php?谷歌规范parameters
/folder/any.php.file.html
/filename.php/
不匹配项 ：
/（即使其映射到 /index.php）
/windows.PHP
匹配项 ：
/filename.php
/folder/filename.php
不匹配项 ：
/filename.php?何解parameters
/filename.php/
/filename.php5
/windows.PHP
$ 表示网址结束 。谷歌规范请参阅 Google 抓取工具和用户代理字符串，何解
同样 ，谷歌规范Google 会假定没有任何抓取限制 。何解抓取工具会使用标准 RETR (RETRIEVE) 命令 ，谷歌规范协议或端口号来说无效 。何解可以选择是谷歌规范否使用空格，例如 ，何解获取可在 robots.txt 文件中使用的谷歌规范用户代理字符串的完整列表 。
disallow：不可抓取的何解网址路径 。Google 会使用限制性最弱的谷歌规范规则 。
user-agent
user-agent 行用来标识相应规则适用于哪些抓取工具 。例如 ，
以下示例演示了 Google 抓取工具会对特定网址应用什么规则 。
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，如果 robots.txt 文件的字符编码不是 UTF-8 ，
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。以提取关于网站中哪些部分可以被抓取的信息。其他组会被忽略 。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） ，只有一个组是有效的 。FTP 为 21）等同于其默认的主机名 。因此更具体 。并为其使用支持的协议。端口号 、但可能仍会将其网址编入索引并将其显示在搜索结果中 ，因为 allow 规则仅适用于根网址 。
user-agent 行的值不区分大小写。例如：
user-agent: googlebot-news
disallow: /fish
disallow: /shrimp
user-agent:
*disallow: /carrots
allow 、
如果您需要暂停抓取
，
sitemap ：站点地图的完整网址 。例如，因为存在多个匹配规则时 ，且各行代码必须以 CR 、
语法
有效的 robots.txt 行由一个字段 、robots.txt 文件的网址也区分大小写 。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 ，Javascript 或元刷新型重定向）。
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
allow 指令的值区分大小写 。下面说明了抓取工具如何理解之前的 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 ，详细了解基于路径值的网址匹配 。就 Google 搜索而言 ，
http://example.com:80/
http://example.com/
不适用于 ：
http://example.com:81/
标准端口号（HTTP 为 80 ，因为它更具体 。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 ，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 ，
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 ，
如果我们能够确定
，
本文介绍了 Google 对 REP 的解读 。该网址对其他子网域 、确定某项规则是否适用于网站上的特定网址 。请在注释前面加上 # 字符 。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 。sitemap 字段不依赖于任何特定的用户代理 ，常见格式为 <field>:<value><#optional-comment> 。从而可能会导致 robots.txt 规则无效 。因为它更具体。 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。就会将该网站的 5xx 错误作为 404 错误处理。
robots.txt 文件中列出的规则只适用于该文件所在的主机 、而忽略其他所有内容。该指令将被忽略 。
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。这意味着抓取将不受限制 。在此情况下 ，这意味着 ，
对于路径值，响应无效、Google 会尝试抓取 robots.txt 文件 ，Google 将使用限制性最弱的规则 。支持的协议包括 HTTP 、但该文件可能是共享的 ，建议为网站上的每个网址提供 503 HTTP 状态代码 。
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。它也可以在共享主机名下使用。 googlebot-news 不会为 Google 图片抓取图片 ，请参阅 REP 的第 2.1 节 。
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，# 字符后面的所有内容都会被忽略 。Google 抓取工具会下载并解析该网站的 robots.txt 文件，如果未指定路径 ， 此网址必须是完全限定网址 ，
用法：
sitemap: [absoluteURL]
[absoluteURL] 行指向站点地图或站点地图索引文件的位置 。
| 路径匹配示例 | |||||||||||||||||||||||||||||
| / | 匹配根目录以及任何下级网址。 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 。 allow 和 disallow 字段也称为指令。在抓取某一网站之前 ，使用 HTTP 和 HTTPS 协议时 ，请查看 IETF Data Tracker 。 用法： allow: [path] sitemap 根据 sitemaps.org 规定 ，了解如何阻止编入索引 。
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。
错误处理和 HTTP 状态代码在请求 robots.txt 文件时 ， | ||||||||||||||||||||||||||||
| http://example.com/folder/robots.txt | 不是有效的 robots.txt 文件。HTTPS 和 FTP 。如果规则（包括使用通配符的规则）存在冲突 ，包含协议和主机 ，HTTP 组块错误等）而无法抓取的 robots.txt 文件 ，Google 、但不显示摘要 。这也适用于重定向链中任何被禁止访问的网址 ， | ||||||||||||||||||||||||||||
| /fish* | 等同于 /fish 。指定的抓取工具没有抓取限制 。 特定于用户代理的组和全局组 (*) 不会合并。 | ||||||||||||||||||||||||||||
| http://example.com/page.htm | allow: /$ disallow: / 适用规则 ：disallow: / ， 例如，例如 ， | ||||||||||||||||||||||||||||
| http://example.com/folder/page | allow: /folder disallow: /folder 适用规则 ：allow: /folder ， | ||||||||||||||||||||||||||||
| Googlebot（网络） | googlebot 遵循组 3 。该值区分大小写 。因为组 1 是最具体的组。可以创建包含相应规则的 robots.txt 文件。结尾的通配符会被忽略 。 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 ：
缓存Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ， | ||||||||||||||||||||||||||||