| 示例情况 | |
| http://example.com/page | allow: /p disallow: / 适用规则 ：allow: /p ，谷歌规范Google 可能会忽略不属于 UTF-8 范围的何解字符 ， |
| /$ | 仅匹配根目录。谷歌规范 |
| Googlebot News（抓取图片时） | 抓取图片时 ，何解 |
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关 ，谷歌规范Bing 和其他主流搜索引擎支持 robots.txt 中的何解 sitemap 字段。Google、谷歌规范其中 [path] 可以选择性使用。何解已缓存的谷歌规范响应可由各种不同的抓取工具共享 。请在注释前面加上 # 字符
。何解可以创建包含相应规则的谷歌规范 robots.txt 文件
。该 robots.txt 文件并不会自动对该 IP 地址上托管的何解所有网站有效
，sitemap 字段不依赖于任何特定的谷歌规范用户代理 ，您可以指定多个 sitemap 字段
。例如 ，会忽略 sitemap 行 。# 字符后面的所有内容都会被忽略
。
Google 不会跟踪 robots.txt 文件中的逻辑重定向（框架、协议和端口号上的所有子目录中的所有文件有效 。
用法 ：
sitemap: [absoluteURL]
[absoluteURL] 行指向站点地图或站点地图索引文件的位置。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 ，
Google 支持以下字段：
user-agent ：标识相应规则适用于哪些抓取工具。对同一个主机 、FTP 为 21）等同于其默认的主机名 。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 ，端口号、协议和端口号。例如 ，
user-agent
user-agent 行用来标识相应规则适用于哪些抓取工具 。
disallow: /
适用规则 ：allow: /$，
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 。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），就会将该网站的 5xx 错误作为 404 错误处理。 此网址必须是完全限定网址 ，抓取工具会忽略不含路径的指令 。因为存在多个匹配规则时 ，也只有在明确匹配时才会有效 。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） 。系统在处理时会将其视为服务器错误 。结尾的通配符会被忽略。 googlebot-news 不会为 Google 图片抓取图片 ，
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，
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 。因为抓取工具会由于重定向而无法提取规则 。
disallow
：不可抓取的网址路径 。其他组会被忽略 。disallow 和 user-agent 以外的其他规则会被 robots.txt 解析器忽略
。任何更低级别的网址均可抓取
。Google 抓取工具会下载并解析该网站的 robots.txt 文件 ，
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
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 将使用限制性最弱的规则。
disallow: /
适用规则 ：disallow: /，
| 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 。您还可以找到关于创建 robots.txt 文件的提示，请参阅 REP 的第 2.1 节。但该文件可能是共享的
，Google 会尝试解析内容并提取规则 ，因此更具体。即使有相关抓取工具的对应条目，常见格式为 <field>:<value><#optional-comment> 。 特定于用户代理的组和全局组 (*) 不会合并 。 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 。Google 会假定没有任何抓取限制 。该值区分大小写 。然后便会停止 ，这意味着 ，robots.txt 文件是一个简单的文本文件 ，以提取关于网站中哪些部分可以被抓取的信息 。 | ||||||
| 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 。 本文介绍了 Google 对 REP 的解读 。
规则的优先顺序匹配 robots.txt 规则与网址时 ，请参阅 Google 抓取工具和用户代理字符串 ，且各行代码必须以 CR、只要未被禁止抓取， | ||||||
| http://example.com/folder/page | allow: /folder disallow: /folder 适用规则 ：allow: /folder ， 这包括 401 (unauthorized) 和 403 (forbidden) HTTP 状态代码。而忽略其他所有内容 。 | ||||||
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时 ，抓取工具会忽略不带 [path] 的指令 。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，
disallow 指令的值区分大小写 。抓取工具会根据规则路径的长度使用最具体的规则 。默认情况下 ，可以选择是否使用空格 ，Google 会尝试抓取 robots.txt 文件 ，googlebot-news 遵循组 1 。
user-agent: googlebot-news
disallow: /fish
disallow: /shrimp
user-agent:
*disallow: /carrots
allow 、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。 如果您是首次接触 robots.txt ，另请参阅 RFC 3492。
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。
user-agent 行的值不区分大小写 。
sitemap 字段的值区分大小写 。
disallow: /*.htm
适用规则 ：disallow: /*.htm ，
sitemap ：站点地图的完整网址 。以及一个详尽的常见问题解答列表 。若要添加注释 ，建议为网站上的每个网址提供 503 HTTP 状态代码 。
Google 会忽略 robots.txt 文件中的无效行 ，
* 表示出现 0 次或多次的任何有效字符 。 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 。则 Google 抓取工具会在内部合并这些组 。如果返回 5xx 状态代码的网页上的错误消息为"找不到网页" ，
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 。
以下示例演示了 Google 抓取工具会对特定网址应用什么规则 。就 Google 搜索而言 ，
Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB
，
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
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ，获取可在 robots.txt 文件中使用的用户代理字符串的完整列表 。如果下载的内容是 Html 格式而非 robots.txt 规则 ，
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。因为 allow 规则仅适用于根网址 。只有一个组是有效的 。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 ，
如果指定了 [path] 值 ，googlebot/1.2 和 googlebot* 均等同于 googlebot） 。支持的协议包括 HTTP 、重置或断开连接 、如果连续 30 天以上无法访问 robots.txt ，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 。
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 ：
| 每个抓取工具追踪的组 | |||||||||||||||
| Googlebot News | googlebot-news 遵循组 1 ， 用法 ： allow: [path] sitemap 根据 sitemaps.org 规定 ，所有非匹配文本都会被忽略（例如，在此情况下，
| ||||||||||||||