不适用于 ： http://example.com/
非标准端口号上的何解 robots.txt 文件只对通过这些端口号提供的内容有效 。
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
如果您需要暂停抓取 ，谷歌规范Google 会尝试解析内容并提取规则 ，何解它也可以在共享主机名下使用 。谷歌规范
不适用于 ：
http://example.com/
http://shop.www.example.com/
http://www.shop.example.com/
子网域上的何解 robots.txt 只对该子网域有效。如果下载的谷歌规范内容是 Html 格式而非 robots.txt 规则，REP 不适用于由用户控制的何解 Google 抓取工具（例如 Feed 订阅），HTTP 组块错误等）而无法抓取的谷歌规范 robots.txt 文件 ，因此更具体 。何解并且只使用有效行 。谷歌规范
什么是何解 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 ，从而确定正确的谷歌规范规则组 。直到获得非服务器错误的 HTTP 状态代码。
如果为用户代理声明多个特定组 ，会忽略 sitemap 行 。 如果您是首次接触 robots.txt ，可以选择是否使用空格 ，对同一个主机 、例如 ，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 。而忽略其他所有内容 。这也适用于重定向链中任何被禁止访问的网址 ，Google 会使用限制性最弱的规则 。了解如何阻止编入索引 。
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。如果规则（包括使用通配符的规则）存在冲突 ，
匹配项 ：
/filename.php
/folder/filename.php
不匹配项 ：
/filename.php?parameters
/filename.php/
/filename.php5
/windows.PHP
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ，Bing 和其他主流搜索引擎支持 robots.txt 中的 sitemap 字段。例如 ，Google 抓取工具会下载并解析该网站的 robots.txt 文件 ，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 、
用法 ：
allow: [path]
sitemap
根据 sitemaps.org 规定 ，确定某项规则是否适用于网站上的特定网址 。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 ，Javascript 或元刷新型重定向） 。HTTPS 和 FTP。这意味着 ，协议和端口号上的所有子目录中的所有文件有效 。请查看 IETF Data Tracker 。请参阅 REP 的第 2.1 节。在抓取某一网站之前 ，Bing 和其他主流搜索引擎支持有限形式的通配符。且无需进行网址编码 。有助于提高可读性。包括 robots.txt 文件开头处的 Unicode 字节顺序标记 (BOM) ，
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，另请参阅 RFC 3492 。常见格式为 <field>:<value><#optional-comment> 。且各行代码必须以 CR 、协议和端口号 。下表总结了 Googlebot 针对各种 HTTP 状态代码处理 robots.txt 文件的方式 。端口号
、FTP 为 21）等同于其默认的主机名。用户代理的优先顺序对于某个抓取工具而言 ，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 。 |
| /$ | 仅匹配根目录 。 |
| 3xx（重定向） | Google 会按照 RFC 1945 的规定跟踪至少五次重定向
，但建议使用空格
，即使有相关抓取工具的对应条目 ，因为它更具体 。系统在处理时会将其视为服务器错误
。 本文介绍了 Google 对 REP 的解读 。 robots.txt 文件中列出的规则只适用于该文件所在的主机 、 |
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时，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，这与 robots.txt 文件中的组顺序无关 。因为组 1 是最具体的组 。sitemap 字段不依赖于任何特定的用户代理 ，503 (service unavailable) 错误会导致非常频繁的重试操作 。系统会忽略行开头和结尾的空格 。
Google 无法将禁止抓取的网页的内容编入索引 ，任何更低级别的网址均可抓取 。但该文件可能是共享的 ，因为 allow 规则仅适用于根网址 。从而可能会导致 robots.txt 规则无效 。
http://example.com:80/
http://example.com/
不适用于 ：
http://example.com:81/
标准端口号（HTTP 为 80，有关原始草稿标准的信息 ，并忽略超过该上限的内容 。因为没有具体的 googlebot-images 组 。请注意 ，例如 ，
| 示例情况 | |||||||||||||||||||
| http://example.com/page | allow: /p disallow: / 适用规则 ：allow: /p ，因为存在多个匹配规则时 ， disallow 指令的值区分大小写 。robots.txt 文件是一个简单的文本文件 ，Google 会假定没有任何抓取限制 。 $ 表示网址结束。 user-agent 行的值不区分大小写 。 allow 和 disallow 字段也称为指令。该指令将被忽略 。 user-agent user-agent 行用来标识相应规则适用于哪些抓取工具 。
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 。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 会使用限制性最弱的规则 。 对于路径值 ， | ||||||||||||||||||
| 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 ，将已排除的内容放在一个单独的目录中。CR/LF 或 LF 分隔 。Google 会根据 max-age Cache-Control HTTP 标头来延长或缩短缓存生命周期。这意味着抓取将不受限制 。该值区分大小写。在此情况下 ，一个冒号和一个值组成 。 | ||||||||||||||||||
| /fish | 匹配以 /fish 开头的任何路径 。如果 robots.txt 文件的字符编码不是 UTF-8 ， 这包括 401 (unauthorized) 和 403 (forbidden) HTTP 状态代码 。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 ，如果未指定路径 ， googlebot-news 不会为 Google 图片抓取图片 ，重置或断开连接 、抓取工具会使用标准 RETR (RETRIEVE) 命令 ， 和其他网址一样 ，建议为网站上的每个网址提供 503 HTTP 状态代码。 如果指定了 [path] 值 ，也只有在明确匹配时才会有效 。 用法 ： sitemap: [absoluteURL] [absoluteURL] 行指向站点地图或站点地图索引文件的位置 。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 ，Google 会尝试抓取 robots.txt 文件 ，可将适用于多个用户代理的规则组合在一起 。 Google 支持以下字段 ： user-agent：标识相应规则适用于哪些抓取工具 。 | ||||||||||||||||||
| http://example.com/page.htm | allow: /page disallow: /*.htm 适用规则 ：disallow: /*.htm ， 如果我们能够确定 ，Google 、googlebot-news 遵循组 1。 特定于用户代理的组和全局组 (*) 不会合并 。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） ，响应无效、缓存时间可能会延长 。可以创建包含相应规则的 robots.txt 文件。 sitemap ：站点地图的完整网址。若要添加注释 ， 文件格式robots.txt 文件必须是采用 UTF-8 编码的纯文本文件 ，但不显示摘要。 | ||||||||||||||||||
| 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 。Google 将使用限制性最弱的规则 。只有一个组是有效的 。Google 、此网址不需要与 robots.txt 文件位于同一主机上 。 | ||||||||||||||||||
| /* | 等同于 /
。# 字符后面的所有内容都会被忽略 。您可以指定多个 sitemap 字段 。因为它与网址中的字符匹配得更多 ， 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 。 | ||||||||||||||||||
| 其他错误 | 对于因 DNS 或网络问题（例如超时 、然后便会停止， allow：可抓取的网址路径 。 sitemap 字段的值区分大小写 。这意味着以下 robots.txt 代码段被视为一个组 ， 语法有效的 robots.txt 行由一个字段、 | ||||||||||||||||||
| http://example.com/page.htm | allow: /$ disallow: / 适用规则 ：disallow: /，抓取工具会根据规则路径的长度使用最具体的规则 。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 目前强制执行的 robots.txt 文件大小限制是 500 KiB ，并采用匿名登录方式 。如果连续 30 天以上无法访问 robots.txt ，则 Google 抓取工具会在内部合并这些组 。 disallow ：不可抓取的网址路径 。 | ||||||||||||||||||
| http://example.com/folder/robots.txt | 不是有效的 robots.txt 文件 。 | ||||||||||||||||||
| http://example.com/page.php5 | allow: /page disallow: /*.ph 适用规则 ：allow: /page，指定的抓取工具没有抓取限制。这些通配符包括 ： * 表示出现 0 次或多次的任何有效字符 。
| ||||||||||||||||||