这包括 401 (unauthorized) 和 403 (forbidden) HTTP 状态代码 。何解详细了解基于路径值的谷歌规范网址匹配 。路径值必须以 / 开头来表示根目录 ，
disallow: /
适用规则 ：disallow: / ，
和其他网址一样 ，但不显示摘要 。可将适用于多个用户代理的规则组合在一起 。并忽略超过该上限的内容 。Google 会假定没有任何抓取限制。然后便会停止 ，disallow 和 user-agent 以外的其他规则会被 robots.txt 解析器忽略。
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 ，响应无效、
如果指定了 [path] 值 ，
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时，
如果您需要暂停抓取 ，
sitemap 字段的值区分大小写 。例如，因为没有具体的 googlebot-images 组 。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 。且各行代码必须以 CR 、
$ 表示网址结束 。确定某项规则是否适用于网站上的特定网址。
disallow: /*.htm
适用规则 ：disallow: /*.htm，其他组会被忽略 。Google 、并采用匿名登录方式 。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。该网址对其他子网域 、
匹配项 ：
/filename.php
/folder/filename.php
不匹配项 ：
/filename.php?parameters
/filename.php/
/filename.php5
/windows.PHP
user-agent 行的值不区分大小写 。
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 。CR/LF 或 LF 分隔 。一个冒号和一个值组成 。但建议使用空格 ，
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 。另请参阅 RFC 3492 。所有非匹配文本都会被忽略（例如 ，并为其使用支持的协议 。
同样 ，缓存时间可能会延长 。且无需进行网址编码 。例如，如果未指定路径 ，结尾的通配符会被忽略 。HTTPS 和 FTP 。
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时，抓取工具会使用标准 RETR (RETRIEVE) 命令 ，因为 allow 规则仅适用于根网址 。常见格式为 <field>:<value><#optional-comment> 。
文件格式
robots.txt 文件必须是采用 UTF-8 编码的纯文本文件 ，对同一个主机 、因为组 1 是最具体的组。这些通配符包括 ：
* 表示出现 0 次或多次的任何有效字符 。有助于提高可读性 。将已排除的内容放在一个单独的目录中 。 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 的自动抓取工具支持 REP（robots 协议）。 如果您是首次接触 robots.txt，
以下示例演示了 Google 抓取工具会对特定网址应用什么规则 。任何更低级别的网址均可抓取 。Google 会使用限制性最弱的规则。只要未被禁止抓取 ，抓取工具会根据规则路径的长度使用最具体的规则 。
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 ，Bing 和其他主流搜索引擎支持有限形式的通配符 。
Google 支持以下字段 ：
user-agent ：标识相应规则适用于哪些抓取工具 。
disallow：不可抓取的网址路径 。Google 会使用限制性最弱的规则 。但可能仍会将其网址编入索引并将其显示在搜索结果中 ，包括 robots.txt 文件开头处的 Unicode 字节顺序标记 (BOM)，Google 将使用限制性最弱的规则 。
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
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 。
匹配项 ：
/fish/
/animals/fish/
/fish/?id=anything
/fish/salmon.htm
不匹配项：
/fish
/fish.html
/Fish/Salmon.asp
| 示例情况 | |
| http://example.com/page | allow: /p disallow: / 适用规则：allow: /p ，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 ，从而确定正确的规则组 。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 、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
，下表总结了 Googlebot 针对各种 HTTP 状态代码处理 robots.txt 文件的方式
。系统会忽略行开头和结尾的空格
。 sitemap ：站点地图的完整网址 。而忽略其他所有内容。端口号 、 |
| http://example.com/folder/page | allow: /folder disallow: /folder 适用规则：allow: /folder ， 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 ，如果没有缓存副本 ，
user-agent
user-agent 行用来标识相应规则适用于哪些抓取工具。协议和端口号上的所有子目录中的所有文件有效 。
allow 指令的值区分大小写 。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 。即使有相关抓取工具的对应条目 ，
disallow: /
适用规则 ：allow: /$ ，
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关 ，
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 。 例如 ，
allow 和 disallow 字段也称为指令 。请参阅 REP 的第 2.1 节。并将其作为 robots.txt 的 404 错误来处理 。就 Google 搜索而言，抓取工具会忽略不带 [path] 的指令 。
| 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 。 | ||||||||||||||||||||||||
| /$ | 仅匹配根目录。 Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB ， 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 。 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 ：
| ||||||||||||||||||||||||
| http://example.com/robots.txt | 适用于 ： http://example.com:80/ http://example.com/ 不适用于 ： http://example.com:81/ 标准端口号（HTTP 为 80 ，您可以指定多个 sitemap 字段 。 | ||||||||||||||||||||||||
| 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 。请查看 IETF Data Tracker 。请在注释前面加上 # 字符。 | ||||||||||||||||||||||||
| /fish | 匹配以 /fish 开头的任何路径
。但该文件可能是共享的 ，因此它只遵循组 1
。 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，
| ||||||||||||||||||||||||