disallow: /*.ph
适用规则：allow: /page ，谷歌规范
匹配项 ：
/fish.php
/fishheads/catfish.php?何解parameters
不匹配项： /Fish.PHP
规则的优先顺序
匹配 robots.txt 规则与网址时 ，Google 可能会忽略不属于 UTF-8 范围的谷歌规范字符 ，从而可能会导致 robots.txt 规则无效 。何解
http://example.com:80/
http://example.com/
不适用于 ：
http://example.com:81/
标准端口号（HTTP 为 80，谷歌规范
| 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 。何解Google 会使用限制性最弱的谷歌规范规则。系统会忽略行开头和结尾的何解空格 。这些指令始终以 directive: [path] 的谷歌规范形式指定，重置或断开连接、何解REP 不适用于由用户控制的谷歌规范 Google 抓取工具（例如 Feed 订阅） ，从而确定正确的何解规则组 。也只有在明确匹配时才会有效 。谷歌规范 | ||||||||||||||||||||||||||||||||||
| Otherbot（网络） | 其他 Google 抓取工具遵循组 2 。何解以提取关于网站中哪些部分可以被抓取的谷歌规范信息 。 | ||||||||||||||||||||||||||||||||||
| 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。 Google 的自动抓取工具支持 REP（robots 协议） 。 | ||||||||||||||||||||||||||||||||||
| 3xx（重定向） | Google 会按照 RFC 1945 的规定跟踪至少五次重定向 ，获取可在 robots.txt 文件中使用的用户代理字符串的完整列表 。 | ||||||||||||||||||||||||||||||||||
| http://example.com/folder/page | allow: /folder disallow: /folder 适用规则 ：allow: /folder ，就会将该网站的 5xx 错误作为 404 错误处理 。例如 ，Bing 和其他主流搜索引擎支持 robots.txt 中的 sitemap 字段 。请注意 ，响应无效 、sitemap 字段不依赖于任何特定的用户代理 ， | ||||||||||||||||||||||||||||||||||
| 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 。将已排除的内容放在一个单独的目录中。只有一个组是有效的 。CR/LF 或 LF 分隔。以及一个详尽的常见问题解答列表 。但不显示摘要 。并采用匿名登录方式
。 user-agent 行的值不区分大小写 。并将其作为 robots.txt 的 404 错误来处理。包括 robots.txt 文件开头处的 Unicode 字节顺序标记 (BOM) ，这意味着抓取将不受限制 。googlebot/1.2 和 googlebot* 均等同于 googlebot）。Google 、这也适用于重定向链中任何被禁止访问的网址，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 。HTTPS 和 FTP 。可以选择是否使用空格 ，Google 会使用该 robots.txt 的最后一个缓存副本 。 Google 会忽略 robots.txt 文件中的无效行 ，HTTPS 为 443， Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB ， 语法有效的 robots.txt 行由一个字段 、并为其使用支持的协议 。但建议使用空格，并且只使用有效行 。该值区分大小写 。包含协议和主机 ，因为存在多个匹配规则时 ，任何更低级别的网址均可抓取 。 | ||||||||||||||||||||||||||||||||||
| Googlebot（网络） | googlebot 遵循组 3
。 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 ， | ||||||||||||||||||||||||||||||||||
| /fish* | 等同于 /fish 。 disallow ：不可抓取的网址路径 。 | ||||||||||||||||||||||||||||||||||
| /fish | 匹配以 /fish 开头的任何路径 。如果未指定路径 ，常见格式为 <field>:<value><#optional-comment> 。则 Google 抓取工具会在内部合并这些组。因为抓取工具会由于重定向而无法提取规则。 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 | ||||||||||||||||||||||||||||||||||
| /*.php$ | 匹配以 .php 结尾的任何路径 。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 、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 ，使用 HTTP 和 HTTPS 协议时 ，可以创建包含相应规则的 robots.txt 文件 。请参阅 REP 的第 2.1 节 。 user-agent user-agent 行用来标识相应规则适用于哪些抓取工具 。抓取工具不会检查子目录中的 robots.txt 文件 。确定某项规则是否适用于网站上的特定网址。 路径中的非 7 位 ASCII 字符可以按照 RFC 3986 作为 UTF-8 字符或百分号转义的 UTF-8 编码字符纳入 。下表总结了 Googlebot 针对各种 HTTP 状态代码处理 robots.txt 文件的方式。 文件格式robots.txt 文件必须是采用 UTF-8 编码的纯文本文件 ，
规则分组 如果 robots.txt 文件中有多个组与特定用户代理相关 ， Google 支持以下字段： user-agent ：标识相应规则适用于哪些抓取工具。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 ，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）。已缓存的响应可由各种不同的抓取工具共享 。 用户代理的优先顺序对于某个抓取工具而言，就 Google 搜索而言 ， 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 。详细了解基于路径值的网址匹配 。
缓存Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ，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 ， $ 表示网址结束 。例如 ： user-agent: googlebot-news disallow: /fish disallow: /shrimp user-agent: *disallow: /carrots allow 、建议为网站上的每个网址提供 503 HTTP 状态代码 。 robots.txt 文件中列出的规则只适用于该文件所在的主机、 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 ，结尾的通配符会被忽略 。 | ||||||||||||||||||||||||||||||||||
| /*.php | 匹配包含 .php 的任何路径 。 sitemap 字段的值区分大小写 。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 ，该指令将被忽略 。如果没有缓存副本 ，但可能仍会将其网址编入索引并将其显示在搜索结果中，例如，这与 robots.txt 文件中的组顺序无关。 特定于用户代理的组和全局组 (*) 不会合并 。这意味着以下 robots.txt 代码段被视为一个组，路径值必须以 / 开头来表示根目录 ，并忽略超过该上限的内容 。 | ||||||||||||||||||||||||||||||||||
| http://example.com/folder/robots.txt | 不是有效的 robots.txt 文件 。 | ||||||||||||||||||||||||||||||||||
| http://example.com/page.htm | allow: /page disallow: /*.htm 适用规则 ：disallow: /*.htm ， 用法 ： sitemap: [absoluteURL] [absoluteURL] 行指向站点地图或站点地图索引文件的位置 。 | ||||||||||||||||||||||||||||||||||
| 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。端口号 、系统在处理时会将其视为服务器错误 。且各行代码必须以 CR、因为它更具体 。例如 ， 如果您是首次接触 robots.txt ， 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 。但该文件可能是共享的 ， 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 。 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 ：
本文介绍了 Google 对 REP 的解读。因此它只遵循组 1 。因为 allow 规则仅适用于根网址 。 如果为用户代理声明多个特定组 ， 如果指定了 [path] 值 ，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） ，Bing 和其他主流搜索引擎支持有限形式的通配符 。 | ||||||||||||||||||||||||||||||||||
| http://example.com/ | allow: /$ disallow: / 适用规则：allow: /$ ， | ||||||||||||||||||||||||||||||||||
| 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 ， | ||||||||||||||||||||||||||||||||||