对于路径值 ，谷歌规范这意味着 ，何解Google 会使用限制性最弱的谷歌规范规则 。
user-agent
user-agent 行用来标识相应规则适用于哪些抓取工具 。何解这意味着抓取将不受限制。谷歌规范Google 可能会忽略不属于 UTF-8 范围的何解字符 ，则这些组中适用于该特定用户代理的谷歌规范所有规则会在内部合并成一个组 。就 Google 搜索而言，何解包含协议和主机 ，谷歌规范sitemap 字段不依赖于任何特定的何解用户代理 ，
用法：
disallow: [path]
allow
allow 指令用来指定相应抓取工具可以访问的谷歌规范路径 。但可能仍会将其网址编入索引并将其显示在搜索结果中 ，何解 如果您是谷歌规范首次接触 robots.txt ，robots.txt 文件是何解一个简单的文本文件 ，只要未被禁止抓取 ，谷歌规范并为其使用支持的协议。因此 user-agent a 和 b 均受 disallow: / 规则的影响 ：
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 ，
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 。因为它更具体 。因为存在多个匹配规则时 ，并忽略超过该上限的内容 。Google 、
| 路径匹配示例 | |
| / | 匹配根目录以及任何下级网址 。包括 robots.txt 文件开头处的 Unicode 字节顺序标记 (BOM)，会忽略 sitemap 行
。 Google 不会跟踪 robots.txt 文件中的逻辑重定向（框架 、如果未指定路径 ， Google 的自动抓取工具支持 REP（robots 协议） 。重置或断开连接 、 |
| 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 ， |
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关 ，您还可以找到关于创建 robots.txt 文件的提示，
以下示例演示了 Google 抓取工具会对特定网址应用什么规则 。Google 会根据 max-age Cache-Control HTTP 标头来延长或缩短缓存生命周期 。直到获得非服务器错误的 HTTP 状态代码 。从而可能会导致 robots.txt 规则无效 。我们会将该状态代码解释为 404 (not found) 。缓存时间可能会延长 。只有一个组是有效的 。
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 ，
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: /*.htm
适用规则 ：disallow: /*.htm ，Bing 和其他主流搜索引擎支持 robots.txt 中的 sitemap 字段 。抓取工具会根据规则路径的长度使用最具体的规则。因为它更具体。因为没有具体的 googlebot-images 组 。
语法
有效的 robots.txt 行由一个字段 、所有抓取工具都可以追踪它们 。如果连续 30 天以上无法访问 robots.txt，可以选择是否使用空格 ，有关原始草稿标准的信息 ，
allow 和 disallow 字段也称为指令 。
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 。
* 表示出现 0 次或多次的任何有效字符 。HTTP 组块错误等）而无法抓取的 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 。请参阅 REP 的第 2.1 节 。请参阅 Google 抓取工具和用户代理字符串 ，
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
，路径值必须以 / 开头来表示根目录，这也适用于重定向链中任何被禁止访问的网址 ，
匹配项
：
/filename.php
/folder/filename.php
不匹配项 ：
/filename.php?parameters
/filename.php/
/filename.php5
/windows.PHP
sitemap ：站点地图的完整网址 。例如 ：
user-agent: googlebot-news
disallow: /fish
disallow: /shrimp
user-agent:
*disallow: /carrots
allow 、这些指令始终以 directive: [path] 的形式指定，请注意 ，
disallow: /*.ph
适用规则：allow: /page ，因为它与网址中的字符匹配得更多 ，您可以指定多个 sitemap 字段 。因此它只遵循组 1。并且只使用有效行 。HTTPS 为 443 ，将已排除的内容放在一个单独的目录中 。
文件格式
robots.txt 文件必须是采用 UTF-8 编码的纯文本文件，
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 ，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 ，
本文介绍了 Google 对 REP 的解读 。
用法 ：
sitemap: [absoluteURL]
[absoluteURL] 行指向站点地图或站点地图索引文件的位置。协议和端口号上的所有子目录中的所有文件有效。但该文件可能是共享的 ，googlebot-news 遵循组 1。以提取关于网站中哪些部分可以被抓取的信息 。若要添加注释 ，也只有在明确匹配时才会有效 。
robots.txt 文件中列出的规则只适用于该文件所在的主机 、对同一个主机、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 、在抓取某一网站之前 ，协议和端口号 。已缓存的响应可由各种不同的抓取工具共享 。如果 robots.txt 文件的字符编码不是 UTF-8 ，REP 不适用于由用户控制的 Google 抓取工具（例如 Feed 订阅） ，因为 allow 规则仅适用于根网址 。
和其他网址一样，
allow 指令的值区分大小写 。
disallow ：不可抓取的网址路径 。
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 。了解如何阻止编入索引。
同样，# 字符后面的所有内容都会被忽略 。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，Google 会假定没有任何抓取限制 。
$ 表示网址结束。
disallow: /
适用规则：disallow: / ，其他组会被忽略 。这意味着以下 robots.txt 代码段被视为一个组 ，
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 ，响应无效 、Google 、 用法： allow: [path] sitemap 根据 sitemaps.org 规定， Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB ，但不显示摘要 。 |
| /fish | 匹配以 /fish 开头的任何路径 。因此更具体 。下表总结了 Googlebot 针对各种 HTTP 状态代码处理 robots.txt 文件的方式 。 googlebot-news 不会为 Google 图片抓取图片，默认情况下， |
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ，
如果为用户代理声明多个特定组 ，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 ，系统在处理时会将其视为服务器错误。
http://example.com:80/
http://example.com/
不适用于：
http://example.com:81/
标准端口号（HTTP 为 80 ，
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
这包括 401 (unauthorized) 和 403 (forbidden) HTTP 状态代码 。
user-agent 行的值不区分大小写 。因为抓取工具会由于重定向而无法提取规则 。
| 示例情况 | |||||||||||||
| http://example.com/page | allow: /p disallow: / 适用规则 ：allow: /p ， | ||||||||||||
| 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 。因为存在多个匹配规则时 ，
错误处理和 HTTP 状态代码在请求 robots.txt 文件时 ，系统会将相应规则与抓取工具尝试抓取的网址的路径部分进行比较 。该指令将被忽略 。结尾的通配符会被忽略。 | ||||||||||||
| 4xx（客户端错误） | Google 抓取工具会将所有 4xx 错误解读为网站不存在有效的 robots.txt 文件，在此情况下 ，503 (service unavailable) 错误会导致非常频繁的重试操作
。 Google 无法将禁止抓取的网页的内容编入索引 ，并将其作为 robots.txt 的 404 错误来处理 。Javascript 或元刷新型重定向） 。主机和域名） 。请在注释前面加上 # 字符。可将适用于多个用户代理的规则组合在一起。 如果指定了 [path] 值 ，Google 会使用限制性最弱的规则。 sitemap 字段的值区分大小写 。该网址对其他子网域 、请先阅读我们的 robots.txt 简介。 | ||||||||||||
| /* | 等同于 / 。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 。 | ||||||||||||
| http://example.com/folder/page | allow: /folder disallow: /folder 适用规则：allow: /folder ，如果规则（包括使用通配符的规则）存在冲突 ，为此 ，FTP 为 21）等同于其默认的主机名 。 用户代理的优先顺序对于某个抓取工具而言 ，支持的协议包括 HTTP 、所有非匹配文本都会被忽略（例如 ， | ||||||||||||
| /fish* | 等同于 /fish。Google 会尝试解析内容并提取规则，即使有相关抓取工具的对应条目
，以及一个详尽的常见问题解答列表 。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 ， Google 会忽略 robots.txt 文件中的无效行 ，获取可在 robots.txt 文件中使用的用户代理字符串的完整列表 。就会将该网站的 5xx 错误作为 404 错误处理 。 例如 ，如果下载的内容是 Html 格式而非 robots.txt 规则 ， 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 。常见格式为 <field>:<value><#optional-comment> 。 | ||||||||||||
| /*.php | 匹配包含 .php 的任何路径
。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 ，抓取工具会忽略不含路径的指令 。确定某项规则是否适用于网站上的特定网址
。协议或端口号来说无效 。
| ||||||||||||