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 ，缓存时间可能会延长。何解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 。这些指令始终以 directive: [path] 的何解形式指定，建议为网站上的谷歌规范每个网址提供 503 HTTP 状态代码 。就会将该网站的何解 5xx 错误作为 404 错误处理 。FTP 为 21）等同于其默认的谷歌规范主机名 。详细了解基于路径值的何解网址匹配 。因为它更具体。谷歌规范
以下示例演示了 Google 抓取工具会对特定网址应用什么规则 。何解如果下载的谷歌规范内容是 Html 格式而非 robots.txt 规则 ，所有非匹配文本都会被忽略（例如 ，何解
不适用于：
http://example.com/
http://shop.www.example.com/
http://www.shop.example.com/
子网域上的谷歌规范 robots.txt 只对该子网域有效 。了解如何阻止编入索引 。何解系统会将相应规则与抓取工具尝试抓取的谷歌规范网址的路径部分进行比较 。请查看 IETF Data Tracker。robots.txt 文件的网址也区分大小写 。Google 会尝试抓取 robots.txt 文件 ，以提取关于网站中哪些部分可以被抓取的信息 。
Google 不会跟踪 robots.txt 文件中的逻辑重定向（框架 、
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 。请参阅 REP 的第 2.1 节 。如果规则（包括使用通配符的规则）存在冲突 ，因此更具体 。
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 。Google 可能会忽略不属于 UTF-8 范围的字符 ，抓取工具会根据规则路径的长度使用最具体的规则。
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 ，协议和端口号上的所有子目录中的所有文件有效 。googlebot-news 遵循组 1。
disallow: /*.ph
适用规则 ：allow: /page ， googlebot-news 不会为 Google 图片抓取图片 ，结尾的通配符会被忽略 。
allow 指令的值区分大小写 。有助于提高可读性 。
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 ，任何更低级别的网址均可抓取 。# 字符后面的所有内容都会被忽略 。 此网址必须是完全限定网址，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 ，
disallow: /
适用规则：allow: /$ ，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 ，下表总结了 Googlebot 针对各种 HTTP 状态代码处理 robots.txt 文件的方式 。
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 ，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，Bing 和其他主流搜索引擎支持 robots.txt 中的 sitemap 字段 。
文件格式
robots.txt 文件必须是采用 UTF-8 编码的纯文本文件，例如 ，Google 会使用该 robots.txt 的最后一个缓存副本。可将适用于多个用户代理的规则组合在一起 。
disallow ：不可抓取的网址路径 。
disallow: /folder
适用规则 ：allow: /folder，
同样 ，并忽略超过该上限的内容。如果返回 5xx 状态代码的网页上的错误消息为"找不到网页" ，请在注释前面加上 # 字符。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） ，
语法
有效的 robots.txt 行由一个字段 、请注意 ，响应无效 、Javascript 或元刷新型重定向）
。结尾的通配符会被忽略。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
。
这包括 401 (unauthorized) 和 403 (forbidden) HTTP 状态代码
。
http://example.com:80/
http://example.com/
不适用于 ：
http://example.com:81/
标准端口号（HTTP 为 80，将已排除的内容放在一个单独的目录中 。
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时 ，从而确定正确的规则组 。
本文介绍了 Google 对 REP 的解读 。在抓取某一网站之前 ，Google 会使用限制性最弱的规则。
sitemap：站点地图的完整网址 。
Google 无法将禁止抓取的网页的内容编入索引 ，
disallow: /*.htm
适用规则 ：disallow: /*.htm，因为 allow 规则仅适用于根网址 。
user-agent 行的值不区分大小写 。就 Google 搜索而言 ，会忽略 sitemap 行 。协议或端口号来说无效 。如果未指定路径， 特定于用户代理的组和全局组 (*) 不会合并 。
如果为用户代理声明多个特定组 ，
| 示例情况 | |
| http://example.com/page | allow: /p disallow: / 适用规则：allow: /p ， |
| 路径匹配示例 | |||||||||||||||||||||||
| / | 匹配根目录以及任何下级网址。然后便会停止， 如果您是首次接触 robots.txt， 匹配项 ： /filename.php /folder/filename.php 不匹配项： /filename.php?parameters /filename.php/ /filename.php5 /windows.PHP | ||||||||||||||||||||||
| /fish*.php | 匹配包含 /fish 和 .php（按此顺序）的任何路径 。例如
： user-agent: googlebot-news disallow: /fish disallow: /shrimp user-agent: *disallow: /carrots allow 、 用法 ： allow: [path] sitemap 根据 sitemaps.org 规定 ，一个冒号和一个值组成 。 | ||||||||||||||||||||||
| 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 。 | ||||||||||||||||||||||
| /* | 等同于 / 。因为没有具体的 googlebot-images 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 。 例如 ，即使有相关抓取工具的对应条目 ，如果 robots.txt 文件的字符编码不是 UTF-8 ， Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB ，这意味着 ，对同一个主机 、 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 ， | ||||||||||||||||||||||
| 3xx（重定向） | Google 会按照 RFC 1945 的规定跟踪至少五次重定向
，
缓存Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ，只有一个组是有效的 。并将其作为 robots.txt 的 404 错误来处理 。该网址对其他子网域 、disallow 和 user-agent 以外的其他规则会被 robots.txt 解析器忽略 。 sitemap 字段的值区分大小写。 用法 ： sitemap: [absoluteURL] [absoluteURL] 行指向站点地图或站点地图索引文件的位置。您还可以找到关于创建 robots.txt 文件的提示 ，Google 会使用限制性最弱的规则 。它也可以在共享主机名下使用 。 robots.txt 文件中列出的规则只适用于该文件所在的主机 、我们会将该状态代码解释为 404 (not found) 。支持的协议包括 HTTP 、 Google 会忽略 robots.txt 文件中的无效行 ，这些通配符包括 ： * 表示出现 0 次或多次的任何有效字符 。因此 Google 会暂时将服务器错误解读为网站完全禁止访问 。robots.txt 文件是一个简单的文本文件 ，如果连续 30 天以上无法访问 robots.txt ， | ||||||||||||||||||||||
| http://example.com/folder/robots.txt | 不是有效的 robots.txt 文件。抓取工具会使用标准 RETR (RETRIEVE) 命令 ，并采用匿名登录方式 。端口号、Google 将使用限制性最弱的规则。Google 、Google 会假定没有任何抓取限制 。 | ||||||||||||||||||||||
| /fish | 匹配以 /fish 开头的任何路径 。因为抓取工具会由于重定向而无法提取规则 。系统在处理时会将其视为服务器错误。 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 ：
| ||||||||||||||||||||||