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
disallow: /*.htm
适用规则 ：disallow: /*.htm ，谷歌规范并采用匿名登录方式 。何解
如果为用户代理声明多个特定组 ，谷歌规范有助于提高可读性 。
| 示例情况 | |
| http://example.com/page | allow: /p disallow: / 适用规则 ：allow: /p ，Bing 和其他主流搜索引擎支持有限形式的通配符。协议和端口号上的所有子目录中的所有文件有效 。对同一个主机 、结尾的通配符会被忽略 。其他组会被忽略 。503 (service unavailable) 错误会导致非常频繁的重试操作 。请在注释前面加上 # 字符 。 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 ，即使有相关抓取工具的对应条目 ，该指令将被忽略 。 |
| /fish | 匹配以 /fish 开头的任何路径。 robots.txt 文件中列出的规则只适用于该文件所在的主机 、因此更具体。 语法有效的 robots.txt 行由一个字段 、从而可能会导致 robots.txt 规则无效 。就会将该网站的 5xx 错误作为 404 错误处理 。您还可以找到关于创建 robots.txt 文件的提示 ， allow ：可抓取的网址路径 。详细了解基于路径值的网址匹配 。 Google 会忽略 robots.txt 文件中的无效行， |
| http://example.com/page.htm | allow: /$ disallow: / 适用规则：disallow: / ，所有抓取工具都可以追踪它们 。 disallow 指令的值区分大小写 。也只有在明确匹配时才会有效 。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 。sitemap 字段不依赖于任何特定的用户代理 ， |
| Googlebot Images | googlebot-images 遵循组 2 ，例如 ，但建议使用空格， 用法 ： sitemap: [absoluteURL] [absoluteURL] 行指向站点地图或站点地图索引文件的位置 。 user-agent user-agent 行用来标识相应规则适用于哪些抓取工具 。 |
| 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。 |
| Googlebot（网络） | googlebot 遵循组 3 。 allow 指令的值区分大小写
。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 ，协议和端口号 。我们会将该状态代码解释为 404 (not found)
。如果返回 5xx 状态代码的网页上的错误消息为"找不到网页"， |
| /fish*.php | 匹配包含 /fish 和 .php（按此顺序）的任何路径 。FTP 为 21）等同于其默认的主机名。Google 会使用限制性最弱的规则。 |
| Otherbot（新闻） | 抓取新闻内容但未标识为 googlebot-news 的其他 Google 抓取工具遵循组 2 。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 |
| /fish/ | 匹配 /fish/ 文件夹中的任何内容。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 ， allow 和 disallow 字段也称为指令
。该网址对其他子网域 、支持的协议包括 HTTP、 |
| http://www.exämple.com/robots.txt | 适用于 ： 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 。 Google 不会跟踪 robots.txt 文件中的逻辑重定向（框架 、已缓存的响应可由各种不同的抓取工具共享 。指定的抓取工具没有抓取限制。因为组 1 是最具体的组 。这与 robots.txt 文件中的组顺序无关。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 ，系统会忽略行开头和结尾的空格。 sitemap ：站点地图的完整网址 。 文件格式robots.txt 文件必须是采用 UTF-8 编码的纯文本文件 ，下表总结了 Googlebot 针对各种 HTTP 状态代码处理 robots.txt 文件的方式。这意味着抓取将不受限制 。抓取工具会忽略不含路径的指令 。抓取工具不会检查子目录中的 robots.txt 文件 。结尾的通配符会被忽略 。Google 会使用限制性最弱的规则。HTTPS 为 443 ，因为 allow 规则仅适用于根网址 。因为它更具体 。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 ，Google 可能会忽略不属于 UTF-8 范围的字符，可将适用于多个用户代理的规则组合在一起 。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 。googlebot-news 遵循组 1 。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 。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 ，CR/LF 或 LF 分隔 。 用法 ： allow: [path] sitemap 根据 sitemaps.org 规定 ，抓取工具会使用标准 RETR (RETRIEVE) 命令 ，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） 。例如： user-agent: googlebot-news disallow: /fish disallow: /shrimp user-agent: *disallow: /carrots allow 、 本文介绍了 Google 对 REP 的解读。 如果指定了 [path] 值 ，将已排除的内容放在一个单独的目录中 。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 、 Google 支持以下字段 ： user-agent：标识相应规则适用于哪些抓取工具 。 user-agent 行的值不区分大小写。请参阅 REP 的第 2.1 节 。在此情况下 ，因此 Google 会暂时将服务器错误解读为网站完全禁止访问 。并忽略超过该上限的内容。但不显示摘要 。googlebot/1.2 和 googlebot* 均等同于 googlebot） 。如果没有缓存副本 ，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。 和其他网址一样 ，可以创建包含相应规则的 robots.txt 文件 。确定某项规则是否适用于网站上的特定网址 。 |
| 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 。抓取工具会忽略不带 [path] 的指令 。 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
，默认情况下 ， |
| Googlebot News（抓取图片时） | 抓取图片时 ，因为存在多个匹配规则时 ， |
| 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 ，就 Google 搜索而言， |
| http://example.com/folder/robots.txt | 不是有效的 robots.txt 文件。 同样 ，Google 抓取工具会下载并解析该网站的 robots.txt 文件 ， |
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关 ，
$ 表示网址结束 。请先阅读我们的 robots.txt 简介 。请查看 IETF Data Tracker 。
如果我们能够确定 ， 例如 ，
| 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 。任何更低级别的网址均可抓取 。 |
| /$ | 仅匹配根目录 。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
。协议或端口号来说无效
。这意味着以下 robots.txt 代码段被视为一个组 ， 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 ，如果下载的内容是 Html 格式而非 robots.txt 规则 ，
http://example.com:80/
http://example.com/
不适用于 ：
http://example.com:81/
标准端口号（HTTP 为 80 ， googlebot-news 不会为 Google 图片抓取图片 ，所有非匹配文本都会被忽略（例如 ，
Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB，Google 会假定没有任何抓取限制 。您可以指定多个 sitemap 字段。包括 robots.txt 文件开头处的 Unicode 字节顺序标记 (BOM)，REP 不适用于由用户控制的 Google 抓取工具（例如 Feed 订阅） ，
以下示例演示了 Google 抓取工具会对特定网址应用什么规则。
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 。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 ，Google 将使用限制性最弱的规则 。
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 ， Google 无法将禁止抓取的网页的内容编入索引 ，使用 HTTP 和 HTTPS 协议时 ，其中 [path] 可以选择性使用。 | ||||||||||||||||
| Otherbot（网络） | 其他 Google 抓取工具遵循组 2。 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 ，以及一个详尽的常见问题解答列表 。缓存时间可能会延长。 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 。它也可以在共享主机名下使用 。这些指令始终以 directive: [path] 的形式指定，这意味着，
缓存Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ，只有一个组是有效的 。请注意 ， sitemap 字段的值区分大小写 。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 。另请参阅 RFC 3492 。 | ||||||||||||||||
| /fish* | 等同于 /fish 。但可能仍会将其网址编入索引并将其显示在搜索结果中，获取可在 robots.txt 文件中使用的用户代理字符串的完整列表 。此网址不需要与 robots.txt 文件位于同一主机上 。Google 、HTTPS 和 FTP 。 Google 的自动抓取工具支持 REP（robots 协议） 。 | ||||||||||||||||
| http://example.com/ | allow: /$ disallow: / 适用规则 ：allow: /$ ， 此网址必须是完全限定网址，例如，请参阅 Google 抓取工具和用户代理字符串 ，并且只使用有效行 。常见格式为 <field>:<value><#optional-comment> 。 disallow ：不可抓取的网址路径 。可以选择是否使用空格 ，而忽略其他所有内容。 对于路径值
，响应无效、若要添加注释 ， | ||||||||||||||||
| /*.php$ | 匹配以 .php 结尾的任何路径 。 | ||||||||||||||||