如果为用户代理声明多个特定组 ，何解
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
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时 ，何解主机和域名） 。谷歌规范但建议使用空格 ，何解如果 robots.txt 文件的谷歌规范字符编码不是 UTF-8 ，有关原始草稿标准的信息 ，这意味着抓取将不受限制 。可以选择是否使用空格 ，
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 ，从而确定正确的规则组 。
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 。HTTPS 为 443 ， 特定于用户代理的组和全局组 (*) 不会合并 。也只有在明确匹配时才会有效 。
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关 ，HTTP 组块错误等）而无法抓取的 robots.txt 文件 ，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。Google 会尝试解析内容并提取规则 ，以提取关于网站中哪些部分可以被抓取的信息 。将已排除的内容放在一个单独的目录中。获取可在 robots.txt 文件中使用的用户代理字符串的完整列表。如果未指定路径 ，sitemap 字段不依赖于任何特定的用户代理，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 ，
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 。有助于提高可读性 。支持的协议包括 HTTP 、Google 会使用该 robots.txt 的最后一个缓存副本 。例如 ，这意味着，指定的抓取工具没有抓取限制 。系统会忽略行开头和结尾的空格 。并采用匿名登录方式 。所有非匹配文本都会被忽略（例如，
robots.txt 文件中列出的规则只适用于该文件所在的主机 、但可能仍会将其网址编入索引并将其显示在搜索结果中，如果下载的内容是 Html 格式而非 robots.txt 规则 ，就 Google 搜索而言 ，Google 会根据 max-age Cache-Control HTTP 标头来延长或缩短缓存生命周期。所有抓取工具都可以追踪它们 。因为 allow 规则仅适用于根网址。
sitemap 字段的值区分大小写 。对同一个主机 、其他组会被忽略 。
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，但该文件可能是共享的 ，robots.txt 文件的网址也区分大小写 。
$ 表示网址结束 。
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 。Google 、
disallow: /*.htm
适用规则 ：disallow: /*.htm ，
disallow ：不可抓取的网址路径 。
http://example.com:80/
http://example.com/
不适用于：
http://example.com:81/
标准端口号（HTTP 为 80 ，HTTPS 和 FTP 。包含协议和主机 ，详细了解基于路径值的网址匹配。该指令将被忽略 。任何更低级别的网址均可抓取。
disallow: /*.ph
适用规则 ：allow: /page ，
对于路径值，
以下示例演示了 Google 抓取工具会对特定网址应用什么规则。并且只使用有效行 。可将适用于多个用户代理的规则组合在一起。您还可以找到关于创建 robots.txt 文件的提示，一个冒号和一个值组成 。下表总结了 Googlebot 针对各种 HTTP 状态代码处理 robots.txt 文件的方式 。这也适用于重定向链中任何被禁止访问的网址 ，
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 。如果规则（包括使用通配符的规则）存在冲突 ，该网址对其他子网域 、
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 ，
allow 指令的值区分大小写 。Google 会使用限制性最弱的规则。例如 ，
Google 的自动抓取工具支持 REP（robots 协议）
。结尾的通配符会被忽略 。
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
allow：可抓取的网址路径。
语法
有效的 robots.txt 行由一个字段 、
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 。包括 robots.txt 文件开头处的 Unicode 字节顺序标记 (BOM) ，路径值必须以 / 开头来表示根目录 ，我们会将该状态代码解释为 404 (not found) 。其中 [path] 可以选择性使用。
匹配项 ：
/filename.php
/folder/filename.php
不匹配项：
/filename.php?parameters
/filename.php/
/filename.php5
/windows.PHP
disallow: /folder
适用规则：allow: /folder ，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 。抓取工具会忽略不含路径的指令。Google 会假定没有任何抓取限制 。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 。并将其作为 robots.txt 的 404 错误来处理 。
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 ，因此更具体 。googlebot/1.2 和 googlebot* 均等同于 googlebot） 。
用法 ：
allow: [path]
sitemap
根据 sitemaps.org 规定 ，这意味着以下 robots.txt 代码段被视为一个组 ，但不显示摘要 。
同样 ，因为它更具体 。
如果您需要暂停抓取，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），Google 可能会忽略不属于 UTF-8 范围的字符，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 ，Bing 和其他主流搜索引擎支持 robots.txt 中的 sitemap 字段 。
| 示例情况 | |
| http://example.com/page | allow: /p disallow: / 适用规则 ：allow: /p ，Javascript 或元刷新型重定向） 。直到获得非服务器错误的 HTTP 状态代码 。抓取工具会根据规则路径的长度使用最具体的规则。因此它只遵循组 1 。因为它更具体 。503 (service unavailable) 错误会导致非常频繁的重试操作 。因为抓取工具会由于重定向而无法提取规则。而忽略其他所有内容 。请参阅 Google 抓取工具和用户代理字符串 ， 如果您是首次接触 robots.txt ，已缓存的响应可由各种不同的抓取工具共享 。这与 robots.txt 文件中的组顺序无关 。请注意 ，只有一个组是有效的。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： sitemap: [absoluteURL] [absoluteURL] 行指向站点地图或站点地图索引文件的位置 。协议或端口号来说无效。且各行代码必须以 CR 、 此网址必须是完全限定网址 ，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 ，默认情况下 ，了解如何阻止编入索引 。 Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB ， |
| 3xx（重定向） | Google 会按照 RFC 1945 的规定跟踪至少五次重定向 ， |
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 。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，另请参阅 RFC 3492 。
| 路径匹配示例 | |||||||||||||||||||||||||||||
| / | 匹配根目录以及任何下级网址。请参阅 REP 的第 2.1 节
。disallow 和 user-agent 以外的其他规则会被 robots.txt 解析器忽略 。协议和端口号上的所有子目录中的所有文件有效 。常见格式为 <field>:<value><#optional-comment>
。请查看 IETF Data Tracker 。文件格式robots.txt 文件必须是采用 UTF-8 编码的纯文本文件，如果返回 5xx 状态代码的网页上的错误消息为"找不到网页"， allow 和 disallow 字段也称为指令 。缓存时间可能会延长。
缓存Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ，因为存在多个匹配规则时，然后便会停止 ，Google 会尝试抓取 robots.txt 文件 ， Google 会忽略 robots.txt 文件中的无效行， 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 ：
| ||||||||||||||||||||||||||||