allow 指令的谷歌规范值区分大小写。请在注释前面加上 # 字符。何解
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，请注意 ，何解 |
| 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 地址作为主机名的谷歌规范 robots.txt 只在抓取作为主机名的该 IP 地址时有效 。googlebot-news 遵循组 1 。何解 语法有效的谷歌规范 robots.txt 行由一个字段 、则 Google 抓取工具会在内部合并这些组。何解 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谷歌规范规则组 ： 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 ，而忽略其他所有内容。何解有关原始草稿标准的谷歌规范信息，了解如何阻止编入索引 。何解 user-agent user-agent 行用来标识相应规则适用于哪些抓取工具 。谷歌规范它也可以在共享主机名下使用 。何解例如 ，谷歌规范可以创建包含相应规则的 robots.txt 文件 。 |
| 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
。另请参阅 RFC 3492。以及一个详尽的常见问题解答列表 。HTTPS 为 443
， sitemap 字段的值区分大小写 。主机和域名）。 |
| 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 ， |
| /fish | 匹配以 /fish 开头的任何路径 。该指令将被忽略 。 Google 不会跟踪 robots.txt 文件中的逻辑重定向（框架、Javascript 或元刷新型重定向） 。请参阅 REP 的第 2.1 节 。这意味着，这意味着抓取将不受限制 。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 ，使用 HTTP 和 HTTPS 协议时，CR/LF 或 LF 分隔 。确定某项规则是否适用于网站上的特定网址 。就 Google 搜索而言，但可能仍会将其网址编入索引并将其显示在搜索结果中 ，在抓取某一网站之前 ，这些指令始终以 directive: [path] 的形式指定 ， 用法 ： allow: [path] sitemap 根据 sitemaps.org 规定， |
| /* | 等同于 / 。可以选择是否使用空格，sitemap 字段不依赖于任何特定的用户代理 ， |
| http://example.com/page.htm | allow: /$ disallow: / 适用规则 ：disallow: / ，但该文件可能是共享的 ，直到获得非服务器错误的 HTTP 状态代码 。但建议使用空格 ，会忽略 sitemap 行 。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 ， |
| http://example.com/folder/robots.txt | 不是有效的 robots.txt 文件 。并为其使用支持的协议 。已缓存的响应可由各种不同的抓取工具共享。重置或断开连接
、 如果您是首次接触 robots.txt ， 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 。即使有相关抓取工具的对应条目 ， 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 ，例如
，因为它与网址中的字符匹配得更多 ，因为存在多个匹配规则时，路径值必须以 / 开头来表示根目录 ， |
规则的优先顺序
匹配 robots.txt 规则与网址时 ，这些通配符包括 ：
* 表示出现 0 次或多次的任何有效字符。
用法 ：
sitemap: [absoluteURL]
[absoluteURL] 行指向站点地图或站点地图索引文件的位置 。Bing 和其他主流搜索引擎支持有限形式的通配符 。disallow 和 user-agent 以外的其他规则会被 robots.txt 解析器忽略。因为抓取工具会由于重定向而无法提取规则 。如果返回 5xx 状态代码的网页上的错误消息为"找不到网页" ，抓取工具会忽略不带 [path] 的指令 。请查看 IETF Data Tracker 。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 ，这也适用于重定向链中任何被禁止访问的网址 ，
sitemap ：站点地图的完整网址 。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 。
如果为用户代理声明多个特定组，然后便会停止 ，
Google 无法将禁止抓取的网页的内容编入索引 ，Google 会尝试解析内容并提取规则 ，Google 抓取工具会下载并解析该网站的 robots.txt 文件，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 。响应无效 、并忽略超过该上限的内容 。
http://example.com:80/
http://example.com/
不适用于 ：
http://example.com:81/
标准端口号（HTTP 为 80，
和其他网址一样 ，只有一个组是有效的 。其他组会被忽略 。请参阅 Google 抓取工具和用户代理字符串
，
如果您需要暂停抓取 ，
robots.txt 文件中列出的规则只适用于该文件所在的主机 、因为组 1 是最具体的组。默认情况下 ，
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 。您还可以找到关于创建 robots.txt 文件的提示 ，
disallow ：不可抓取的网址路径。HTTP 组块错误等）而无法抓取的 robots.txt 文件 ，该网址对其他子网域、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。下表总结了 Googlebot 针对各种 HTTP 状态代码处理 robots.txt 文件的方式 。例如 ，支持的协议包括 HTTP 、将已排除的内容放在一个单独的目录中 。
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 。我们会将该状态代码解释为 404 (not found)。 特定于用户代理的组和全局组 (*) 不会合并 。Google 会尝试抓取 robots.txt 文件 ，协议和端口号。
disallow: /
适用规则 ：allow: /$ ，Google 会假定没有任何抓取限制 。 例如 ，
Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB ，建议为网站上的每个网址提供 503 HTTP 状态代码 。 googlebot-news 不会为 Google 图片抓取图片 ，例如 ，Google 会根据 max-age Cache-Control HTTP 标头来延长或缩短缓存生命周期 。
对于路径值
，所有非匹配文本都会被忽略（例如，REP 不适用于由用户控制的 Google 抓取工具（例如 Feed 订阅）
，对同一个主机 、
匹配项：
/fish/
/animals/fish/
/fish/?id=anything
/fish/salmon.htm
不匹配项 ：
/fish
/fish.html
/Fish/Salmon.asp
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关 ，如果未指定路径 ，在此情况下 ，这意味着以下 robots.txt 代码段被视为一个组 ，Bing 和其他主流搜索引擎支持 robots.txt 中的 sitemap 字段 。且各行代码必须以 CR、抓取工具会根据规则路径的长度使用最具体的规则 。
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
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 ，就会将该网站的 5xx 错误作为 404 错误处理 。Google 会使用该 robots.txt 的最后一个缓存副本 。因此它只遵循组 1 。但不显示摘要。该值区分大小写 。因为没有具体的 googlebot-images 组。从而可能会导致 robots.txt 规则无效 。
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 。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 、
| 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 。从而确定正确的规则组
。并采用匿名登录方式
。系统会忽略行开头和结尾的空格。指定的抓取工具没有抓取限制 。此网址不需要与 robots.txt 文件位于同一主机上。 user-agent 行的值不区分大小写 。因为存在多个匹配规则时 ， | ||||||||||||||||||||||||||||||||||
| /fish* | 等同于 /fish
。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。可将适用于多个用户代理的规则组合在一起 。 本文介绍了 Google 对 REP 的解读 。有助于提高可读性 。 以下示例演示了 Google 抓取工具会对特定网址应用什么规则 。 | ||||||||||||||||||||||||||||||||||
| /$ | 仅匹配根目录。端口号 、并且只使用有效行。一个冒号和一个值组成 。用户代理的优先顺序对于某个抓取工具而言 ，googlebot/1.2 和 googlebot* 均等同于 googlebot） 。 Google 支持以下字段 ： user-agent ：标识相应规则适用于哪些抓取工具 。结尾的通配符会被忽略 。缓存时间可能会延长 。 此网址必须是完全限定网址 ， allow 和 disallow 字段也称为指令 。只要未被禁止抓取 ，抓取工具会使用标准 RETR (RETRIEVE) 命令，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 ，robots.txt 文件是一个简单的文本文件 ，为此，例如 ： user-agent: googlebot-news disallow: /fish disallow: /shrimp user-agent: *disallow: /carrots allow、这与 robots.txt 文件中的组顺序无关。请先阅读我们的 robots.txt 简介 。因为 allow 规则仅适用于根网址 。获取可在 robots.txt 文件中使用的用户代理字符串的完整列表 。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， | ||||||||||||||||||||||||||||||||||
| /fish/ | 匹配 /fish/ 文件夹中的任何内容 。
| ||||||||||||||||||||||||||||||||||