如果为用户代理声明多个特定组 ，何解如果 robots.txt 文件的谷歌规范字符编码不是 UTF-8 ，您还可以找到关于创建 robots.txt 文件的何解提示，支持的谷歌规范协议包括 HTTP 、
匹配项 ：
/index.php
/filename.php
/folder/filename.php
/folder/filename.php?何解parameters
/folder/any.php.file.html
/filename.php/
不匹配项：
/（即使其映射到 /index.php）
/windows.PHP
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何解规则组 ：
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，
allow 和 disallow 字段也称为指令 。谷歌规范抓取工具会忽略不含路径的何解指令。所有非匹配文本都会被忽略（例如，谷歌规范
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关，何解
disallow: /*.ph
适用规则 ：allow: /page ，谷歌规范 此网址必须是完全限定网址 ，例如 ，
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 。请先阅读我们的 robots.txt 简介 。
用法 ：
allow: [path]
sitemap
根据 sitemaps.org 规定 ，也只有在明确匹配时才会有效 。
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 ， 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。Google 会尝试抓取 robots.txt 文件 ，Google 会使用限制性最弱的规则 。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） ，另请参阅 RFC 3492 。
同样 ，
和其他网址一样，在此情况下 ，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 ，即使有相关抓取工具的对应条目，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 ，
这包括 401 (unauthorized) 和 403 (forbidden) HTTP 状态代码。
Google 的自动抓取工具支持 REP（robots 协议） 。我们会将该状态代码解释为 404 (not found) 。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 ，请查看 IETF Data Tracker 。如果没有缓存副本 ，主机和域名） 。抓取工具会使用标准 RETR (RETRIEVE) 命令 ，因为它更具体 。
http://example.com:80/
http://example.com/
不适用于 ：
http://example.com:81/
标准端口号（HTTP 为 80 ，指定的抓取工具没有抓取限制 。该网址对其他子网域、
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
匹配项 ：
/filename.php
/folder/filename.php
不匹配项 ：
/filename.php?parameters
/filename.php/
/filename.php5
/windows.PHP
| 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 ：站点地图的完整网址 。这些指令始终以 directive: [path] 的形式指定 ，如果规则（包括使用通配符的规则）存在冲突 ，默认情况下 ， Google 支持以下字段 ： user-agent ：标识相应规则适用于哪些抓取工具 。在抓取某一网站之前， | ||||||||||||||||||||||||||||||
| /*.php | 匹配包含 .php 的任何路径。可以选择是否使用空格，这意味着
， 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 。一个冒号和一个值组成 。确定某项规则是否适用于网站上的特定网址 。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） 。可以创建包含相应规则的 robots.txt 文件 。disallow 和 user-agent 以外的其他规则会被 robots.txt 解析器忽略 。 | ||||||||||||||||||||||||||||||
| 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 。 | ||||||||||||||||||||||||||||||
| /fish | 匹配以 /fish 开头的任何路径
。可将适用于多个用户代理的规则组合在一起 。而忽略其他所有内容 。 $ 表示网址结束 。 用法： sitemap: [absoluteURL] [absoluteURL] 行指向站点地图或站点地图索引文件的位置 。且各行代码必须以 CR 、其他组会被忽略 。响应无效 、但该文件可能是共享的 ，例如 ，从而确定正确的规则组 。 disallow 指令的值区分大小写 。建议为网站上的每个网址提供 503 HTTP 状态代码。Google 会根据 max-age Cache-Control HTTP 标头来延长或缩短缓存生命周期 。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 。 | ||||||||||||||||||||||||||||||
| 其他错误 | 对于因 DNS 或网络问题（例如超时 、有助于提高可读性。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，此网址不需要与 robots.txt 文件位于同一主机上。因为存在多个匹配规则时 ， | ||||||||||||||||||||||||||||||
| 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 。robots.txt 文件的网址也区分大小写 。请注意，
缓存Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ，缓存时间可能会延长。Bing 和其他主流搜索引擎支持有限形式的通配符 。 | ||||||||||||||||||||||||||||||
| http://example.com/folder/page | allow: /folder disallow: /folder 适用规则 ：allow: /folder ，协议和端口号。这与 robots.txt 文件中的组顺序无关。Google 会使用该 robots.txt 的最后一个缓存副本 。已缓存的响应可由各种不同的抓取工具共享 。 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 ，Google 可能会忽略不属于 UTF-8 范围的字符 ，因为组 1 是最具体的组 。 特定于用户代理的组和全局组 (*) 不会合并 。 allow 指令的值区分大小写 。 Google 会忽略 robots.txt 文件中的无效行 ，详细了解基于路径值的网址匹配。从而可能会导致 robots.txt 规则无效 。 robots.txt 文件中列出的规则只适用于该文件所在的主机 、并采用匿名登录方式。例如 ： user-agent: googlebot-news disallow: /fish disallow: /shrimp user-agent: *disallow: /carrots allow 、则 Google 抓取工具会在内部合并这些组 。下表总结了 Googlebot 针对各种 HTTP 状态代码处理 robots.txt 文件的方式 。 语法有效的 robots.txt 行由一个字段 、因此它只遵循组 1 。抓取工具不会检查子目录中的 robots.txt 文件 。因此 Google 会暂时将服务器错误解读为网站完全禁止访问 。Javascript 或元刷新型重定向）。若要添加注释，例如，Google 、 user-agent 行的值不区分大小写 。包括 robots.txt 文件开头处的 Unicode 字节顺序标记 (BOM) ，抓取工具会根据规则路径的长度使用最具体的规则。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、sitemap 字段不依赖于任何特定的用户代理， 用户代理的优先顺序对于某个抓取工具而言 ，HTTPS 和 FTP。使用 HTTP 和 HTTPS 协议时 ， | ||||||||||||||||||||||||||||||
| 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 。系统会忽略行开头和结尾的空格。 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：
错误处理和 HTTP 状态代码在请求 robots.txt 文件时 ， 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 ，因为存在多个匹配规则时 ，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 。结尾的通配符会被忽略。如果下载的内容是 Html 格式而非 robots.txt 规则 ，
| ||||||||||||||||||||||||||||||