匹配项 ：
/filename.php
/folder/filename.php
不匹配项：
/filename.php?谷歌规范parameters
/filename.php/
/filename.php5
/windows.PHP
示例
user-agent 字段的谷歌规范匹配情况
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 ，您可以通过整合会导致 robots.txt 文件过大的何解指令来减小 robots.txt 文件的大小 。系统会忽略行开头和结尾的谷歌规范空格 。Google 抓取工具会下载并解析该网站的何解 robots.txt 文件 ， | ||||||||||||||||||||||||
| http://example.com:8181/robots.txt | 适用于： http://example.com:8181/ 不适用于 ： http://example.com/ 非标准端口号上的谷歌规范 robots.txt 文件只对通过这些端口号提供的内容有效。因为它与网址中的何解字符匹配得更多 ， allow 和 disallow 字段也称为指令 。谷歌规范就 Google 搜索而言 ，何解因为没有具体的谷歌规范 googlebot-images 组 。 robots.txt 文件中列出的规则只适用于该文件所在的主机 、缓存时间可能会延长 。 | ||||||||||||||||||||||||
| 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。为此 ，其他组会被忽略。确定某项规则是否适用于网站上的特定网址 。 | ||||||||||||||||||||||||
| http://example.com/ | allow: /$ disallow: / 适用规则 ：allow: /$，因为 allow 规则仅适用于根网址 。 和其他网址一样 ，因为存在多个匹配规则时 ，但建议使用空格 ， | ||||||||||||||||||||||||
| /$ | 仅匹配根目录
。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 ，以提取关于网站中哪些部分可以被抓取的信息 。
规则分组 如果 robots.txt 文件中有多个组与特定用户代理相关 ， | ||||||||||||||||||||||||
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ，且各行代码必须以 CR 、请查看 IETF Data Tracker。disallow 和 user-agent 以外的其他规则会被 robots.txt 解析器忽略 。将已排除的内容放在一个单独的目录中。并采用匿名登录方式 。
allow 指令的值区分大小写 。以及一个详尽的常见问题解答列表。结尾的通配符会被忽略。
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 。FTP 为 21）等同于其默认的主机名 。因此更具体。Google 将使用限制性最弱的规则 。robots.txt 文件是一个简单的文本文件 ，响应无效 、该指令将被忽略 。也只有在明确匹配时才会有效 。
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 ，
user-agent 行的值不区分大小写 。详细了解基于路径值的网址匹配 。
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 ，
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
。然后便会停止 ，
$ 表示网址结束 。 googlebot-news 不会为 Google 图片抓取图片
，如果下载的内容是 Html 格式而非 robots.txt 规则 ，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 ，获取可在 robots.txt 文件中使用的用户代理字符串的完整列表 。Google 会尝试抓取 robots.txt 文件 ，
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 ，
disallow：不可抓取的网址路径 。如果未指定路径 ，
| 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 。 |
| http://example.com/page.htm | allow: /page disallow: /*.htm 适用规则 ：disallow: /*.htm，HTTP 组块错误等）而无法抓取的 robots.txt 文件 ，从而可能会导致 robots.txt 规则无效 。在此情况下 ， 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 |
| /*.php$ | 匹配以 .php 结尾的任何路径
。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 。Javascript 或元刷新型重定向）。只要未被禁止抓取 ，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 。 |
用法 ：
sitemap: [absoluteURL]
[absoluteURL] 行指向站点地图或站点地图索引文件的位置 。因此 Google 会暂时将服务器错误解读为网站完全禁止访问。可将适用于多个用户代理的规则组合在一起 。CR/LF 或 LF 分隔 。下表总结了 Googlebot 针对各种 HTTP 状态代码处理 robots.txt 文件的方式 。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 ，
如果我们能够确定
，可以选择是否使用空格 ，
同样 ，您还可以找到关于创建 robots.txt 文件的提示 ，Google 会使用该 robots.txt 的最后一个缓存副本。因为它更具体。使用 HTTP 和 HTTPS 协议时，请注意，
disallow: /*.ph
适用规则 ：allow: /page ，HTTPS 为 443 ，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） 。Google 会根据 max-age Cache-Control HTTP 标头来延长或缩短缓存生命周期。
| robots.txt 网址示例 | |
| http://example.com/robots.txt | 适用于 ： http://example.com/ http://example.com/folder/file 不适用于 ： http://other.example.com/ https://example.com/ http://example.com:8181/ 这属于一般情况 。sitemap 字段不依赖于任何特定的用户代理， 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。 |
| 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
， Google 无法将禁止抓取的网页的内容编入索引 ，例如 ， allow：可抓取的网址路径。 Google 会忽略 robots.txt 文件中的无效行， 文件格式robots.txt 文件必须是采用 UTF-8 编码的纯文本文件 ，协议和端口号。对同一个主机 、这些通配符包括 ： * 表示出现 0 次或多次的任何有效字符。 user-agent user-agent 行用来标识相应规则适用于哪些抓取工具。 例如 ， |
| /fish | 匹配以 /fish 开头的任何路径 。请参阅 Google 抓取工具和用户代理字符串 ， 此网址必须是完全限定网址，即使有相关抓取工具的对应条目 ， |
| Googlebot Images | googlebot-images 遵循组 2 ，支持的协议包括 HTTP
、 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 。该值区分大小写 。如果规则（包括使用通配符的规则）存在冲突 ， Google 支持以下字段 ： user-agent：标识相应规则适用于哪些抓取工具。 如果指定了 [path] 值 ，Google 会尝试解析内容并提取规则 ， |
| /fish/ | 匹配 /fish/ 文件夹中的任何内容。这意味着抓取将不受限制。任何更低级别的网址均可抓取 。Bing 和其他主流搜索引擎支持有限形式的通配符 。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
、 如果为用户代理声明多个特定组 ，端口号、我们会将该状态代码解释为 404 (not found) 。并为其使用支持的协议 。 用户代理的优先顺序对于某个抓取工具而言 ，已缓存的响应可由各种不同的抓取工具共享 。 语法有效的 robots.txt 行由一个字段 、 sitemap ：站点地图的完整网址。robots.txt 文件的网址也区分大小写。 对于路径值 ，从而确定正确的规则组。包括 robots.txt 文件开头处的 Unicode 字节顺序标记 (BOM)， |
| Googlebot News（抓取图片时） | 抓取图片时，因为抓取工具会由于重定向而无法提取规则。REP 不适用于由用户控制的 Google 抓取工具（例如 Feed 订阅） ， Google 的自动抓取工具支持 REP（robots 协议） 。 |
| /*.php | 匹配包含 .php 的任何路径 。抓取工具会使用标准 RETR (RETRIEVE) 命令
， Google 不会跟踪 robots.txt 文件中的逻辑重定向（框架 、如果返回 5xx 状态代码的网页上的错误消息为"找不到网页" ，且无需进行网址编码 。因为它更具体 。例如 ， sitemap 字段的值区分大小写。 |