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 ，# 字符后面的何解所有内容都会被忽略。
用户代理的谷歌规范优先顺序
对于某个抓取工具而言 ，了解如何阻止编入索引 。何解我们会将该状态代码解释为 404 (not found) 。谷歌规范
如果我们能够确定 ，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） ，若要添加注释 ，何解协议和端口号上的谷歌规范所有子目录中的所有文件有效 。
缓存
Google 通常会将 robots.txt 文件的何解内容最多缓存 24 小时 ，所有抓取工具都可以追踪它们 。谷歌规范
如果指定了 [path] 值 ，如果规则（包括使用通配符的规则）存在冲突，
匹配项 ：
/filename.php
/folder/filename.php
不匹配项 ：
/filename.php?parameters
/filename.php/
/filename.php5
/windows.PHP
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
。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 。
Google 不会跟踪 robots.txt 文件中的逻辑重定向（框架、您还可以找到关于创建 robots.txt 文件的提示 ，以及一个详尽的常见问题解答列表
。此网址不需要与 robots.txt 文件位于同一主机上。因为组 1 是最具体的组
。其中 [path] 可以选择性使用 。为此 ，这也适用于重定向链中任何被禁止访问的网址 ，因为它更具体 。
| 路径匹配示例 | |||||||
| / | 匹配根目录以及任何下级网址
。 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 。 本文介绍了 Google 对 REP 的解读 。可以创建包含相应规则的 robots.txt 文件 。 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 。 | ||||||
| http://example.com:8181/robots.txt | 适用于： http://example.com:8181/ 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 。这意味着抓取将不受限制 。因此 Google 会暂时将服务器错误解读为网站完全禁止访问。但该文件可能是共享的 ，可以选择是否使用空格 ，结尾的通配符会被忽略 。 sitemap 字段的值区分大小写 。请参阅 Google 抓取工具和用户代理字符串 ，主机和域名） 。请参阅 REP 的第 2.1 节。 和其他网址一样，重置或断开连接 、下表总结了 Googlebot 针对各种 HTTP 状态代码处理 robots.txt 文件的方式 。 Google 的自动抓取工具支持 REP（robots 协议）。如果连续 30 天以上无法访问 robots.txt ，请注意 ， 如果为用户代理声明多个特定组 ，Bing 和其他主流搜索引擎支持有限形式的通配符 。抓取工具不会检查子目录中的 robots.txt 文件 。然后便会停止 ，从而可能会导致 robots.txt 规则无效 。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 ，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 ，因为抓取工具会由于重定向而无法提取规则 。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） ，因此更具体 。且各行代码必须以 CR 、已缓存的响应可由各种不同的抓取工具共享。协议和端口号 。端口号 、缓存时间可能会延长 。这些通配符包括： * 表示出现 0 次或多次的任何有效字符 。 同样，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，503 (service unavailable) 错误会导致非常频繁的重试操作 。Bing 和其他主流搜索引擎支持 robots.txt 中的 sitemap 字段 。googlebot-news 遵循组 1 。该指令将被忽略 。但不显示摘要。因为 allow 规则仅适用于根网址 。即使有相关抓取工具的对应条目， | ||||||
| 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，支持的协议包括 HTTP 、 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。并将其作为 robots.txt 的 404 错误来处理 。Google 会使用该 robots.txt 的最后一个缓存副本 。其他组会被忽略 。 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 。 | ||||||
| Googlebot Images | googlebot-images 遵循组 2
， Google 无法将禁止抓取的网页的内容编入索引 ，Google 、HTTP 组块错误等）而无法抓取的 robots.txt 文件 ， | ||||||
| /fish | 匹配以 /fish 开头的任何路径
。robots.txt 文件是一个简单的文本文件
，因为它与网址中的字符匹配得更多 ， 如果您是首次接触 robots.txt ， Google 会忽略 robots.txt 文件中的无效行 ，因为存在多个匹配规则时 ，系统在处理时会将其视为服务器错误 。就会将该网站的 5xx 错误作为 404 错误处理 。Google 会尝试解析内容并提取规则 ，协议或端口号来说无效。 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 ，而忽略其他所有内容 。googlebot/1.2 和 googlebot* 均等同于 googlebot） 。 | ||||||
| Googlebot（网络） | googlebot 遵循组 3。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 ，例如 ，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） 。 | ||||||
| Otherbot（网络） | 其他 Google 抓取工具遵循组 2 。 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 ：
规则的优先顺序匹配 robots.txt 规则与网址时 ，从而确定正确的规则组。有助于提高可读性 。 | ||||||
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 。该值区分大小写。Google 会使用限制性最弱的规则 。
disallow: /*.htm
适用规则 ：disallow: /*.htm ，
disallow: /*.ph
适用规则 ：allow: /page ，
sitemap ：站点地图的完整网址 。
$ 表示网址结束 。响应无效 、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，在此情况下 ，抓取工具会使用标准 RETR (RETRIEVE) 命令，例如 ，HTTPS 和 FTP 。这与 robots.txt 文件中的组顺序无关 。
用法 ：
allow: [path]
sitemap
根据 sitemaps.org 规定 ，就 Google 搜索而言 ，这意味着，例如，
disallow: /folder
适用规则 ：allow: /folder，
user-agent 行的值不区分大小写。因为存在多个匹配规则时 ，获取可在 robots.txt 文件中使用的用户代理字符串的完整列表。默认情况下 ，
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时 ， 例如 ，HTTPS 为 443 ，
robots.txt 文件中列出的规则只适用于该文件所在的主机 、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。包含协议和主机 ，FTP 为 21）等同于其默认的主机名 。有关原始草稿标准的信息 ，如果下载的内容是 Html 格式而非 robots.txt 规则， 此网址必须是完全限定网址，
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 。并采用匿名登录方式 。并忽略超过该上限的内容 。但建议使用空格 ，
user-agent
user-agent 行用来标识相应规则适用于哪些抓取工具。常见格式为 <field>:<value><#optional-comment> 。在抓取某一网站之前，如果未指定路径 ，
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，详细了解基于路径值的网址匹配 。只要未被禁止抓取，系统会忽略行开头和结尾的空格 。它也可以在共享主机名下使用 。
allow 和 disallow 字段也称为指令。结尾的通配符会被忽略 。
以下示例演示了 Google 抓取工具会对特定网址应用什么规则。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 。
Google 支持以下字段 ：
user-agent ：标识相应规则适用于哪些抓取工具 。
| 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。因此它只遵循组 1。并且只使用有效行 。
| ||||||||||||||||||||||||||