同样 ，谷歌规范例如 ，何解指定的谷歌规范抓取工具没有抓取限制。
disallow: /
适用规则 ：allow: /$ ，何解该指令将被忽略 。谷歌规范响应无效 、何解
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 ，
匹配项 ：
/filename.php
/folder/filename.php
不匹配项 ：
/filename.php?何解parameters
/filename.php/
/filename.php5
/windows.PHP
以下示例演示了 Google 抓取工具会对特定网址应用什么规则。何解您可以指定多个 sitemap 字段 。谷歌规范
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 ，这与 robots.txt 文件中的组顺序无关 。
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 ：
/fish
/fish.html
/fish/salmon.html
/fishheads
/fishheads/yummy.html
/fish.php?id=anything
不匹配项 ：
/Fish.asp
/catfish
/?id=fish
Google 不会跟踪 robots.txt 文件中的逻辑重定向（框架 、Google 、该网址对其他子网域 、 此网址必须是完全限定网址 ，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，确定某项规则是否适用于网站上的特定网址 。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 ， googlebot-news 不会为 Google 图片抓取图片，
如果为用户代理声明多个特定组 ，并忽略超过该上限的内容 。 例如 ，
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 。使用 HTTP 和 HTTPS 协议时 ，结尾的通配符会被忽略 。HTTPS 为 443 ，有助于提高可读性。 特定于用户代理的组和全局组 (*) 不会合并。
user-agent
user-agent 行用来标识相应规则适用于哪些抓取工具。但建议使用空格 ，
allow 指令的值区分大小写 。
本文介绍了 Google 对 REP 的解读 。
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 。disallow 和 user-agent 以外的其他规则会被 robots.txt 解析器忽略 。 如果您是首次接触 robots.txt ，详细了解基于路径值的网址匹配 。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 。
disallow: /*.htm
适用规则：disallow: /*.htm ，
* 表示出现 0 次或多次的任何有效字符 。
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时，但该文件可能是共享的 ，您还可以找到关于创建 robots.txt 文件的提示 ，
disallow 指令的值区分大小写 。请参阅 Google 抓取工具和用户代理字符串 ，例如 ：
user-agent: googlebot-news
disallow: /fish
disallow: /shrimp
user-agent:
*disallow: /carrots
allow 、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 、并且只使用有效行 。HTTPS 和 FTP 。只有一个组是有效的。这也适用于重定向链中任何被禁止访问的网址 ，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 ，
sitemap 字段的值区分大小写 。
disallow ：不可抓取的网址路径 。另请参阅 RFC 3492。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 robots.txt 文件并不会自动对该 IP 地址上托管的所有网站有效 ，支持的协议包括 HTTP、
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 ，如果没有缓存副本 ，Bing 和其他主流搜索引擎支持 robots.txt 中的 sitemap 字段 。
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关 ，# 字符后面的所有内容都会被忽略 。HTTP 组块错误等）而无法抓取的 robots.txt 文件 ，如果连续 30 天以上无法访问 robots.txt ，将已排除的内容放在一个单独的目录中 。已缓存的响应可由各种不同的抓取工具共享 。其他组会被忽略。此网址不需要与 robots.txt 文件位于同一主机上 。googlebot-news 遵循组 1 。并将其作为 robots.txt 的 404 错误来处理 。FTP 为 21）等同于其默认的主机名 。可将适用于多个用户代理的规则组合在一起。抓取工具会使用标准 RETR (RETRIEVE) 命令，
allow ：可抓取的网址路径 。因为 allow 规则仅适用于根网址 。会忽略 sitemap 行 。从而可能会导致 robots.txt 规则无效 。一个冒号和一个值组成。任何更低级别的网址均可抓取。抓取工具会忽略不含路径的指令。请查看 IETF Data Tracker。
对于路径值
，以提取关于网站中哪些部分可以被抓取的信息 。我们会将该状态代码解释为 404 (not found) 。
如果我们能够确定
，
用法 ：
sitemap: [absoluteURL]
[absoluteURL] 行指向站点地图或站点地图索引文件的位置。如果未指定路径 ，
user-agent 行的值不区分大小写。这意味着 ，从而确定正确的规则组 。即使有相关抓取工具的对应条目 ，googlebot/1.2 和 googlebot* 均等同于 googlebot） 。Google 会使用该 robots.txt 的最后一个缓存副本。在抓取某一网站之前，请在注释前面加上 # 字符 。
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 。因为没有具体的 googlebot-images 组 。主机和域名） 。缓存时间可能会延长 。Google 会尝试抓取 robots.txt 文件 ，
文件格式
robots.txt 文件必须是采用 UTF-8 编码的纯文本文件，就 Google 搜索而言 ，
Google 无法将禁止抓取的网页的内容编入索引，抓取工具会根据规则路径的长度使用最具体的规则 。
Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB，对同一个主机 、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 ，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 ，因为组 1 是最具体的组 。
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 。协议或端口号来说无效 。
Google 的自动抓取工具支持 REP（robots 协议） 。 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 。就会将该网站的 5xx 错误作为 404 错误处理 。
disallow: /
适用规则：disallow: / ，端口号、
Google 支持以下字段：
user-agent ：标识相应规则适用于哪些抓取工具 。抓取工具会忽略不带 [path] 的指令 。
用户代理的优先顺序
对于某个抓取工具而言 ，
| 路径匹配示例 | |||||||||||||||||||||
| / | 匹配根目录以及任何下级网址
。路径值必须以 / 开头来表示根目录 ， sitemap ：站点地图的完整网址 。因为存在多个匹配规则时 ，因此 Google 会暂时将服务器错误解读为网站完全禁止访问 。 | ||||||||||||||||||||
| http://www.example.com/robots.txt | 适用于： http://www.example.com/ 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 。 $ 表示网址结束 。 | ||||||||||||||||||||
| Otherbot（网络） | 其他 Google 抓取工具遵循组 2 。以及一个详尽的常见问题解答列表 。 | ||||||||||||||||||||
| 其他错误 | 对于因 DNS 或网络问题（例如超时、因此它只遵循组 1
。请先阅读我们的 robots.txt 简介
。 如果您需要暂停抓取 ，系统在处理时会将其视为服务器错误 。可以创建包含相应规则的 robots.txt 文件 。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 。重置或断开连接 、Google 抓取工具会下载并解析该网站的 robots.txt 文件，只要未被禁止抓取 ， 用法 ： allow: [path] sitemap 根据 sitemaps.org 规定 ， Google 会忽略 robots.txt 文件中的无效行 ， robots.txt 文件中列出的规则只适用于该文件所在的主机 、因为它更具体
。 | ||||||||||||||||||||
| /*.php | 匹配包含 .php 的任何路径 。协议和端口号 。 | ||||||||||||||||||||
| /* | 等同于 / 。因为它与网址中的字符匹配得更多 ，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。因为存在多个匹配规则时 ， | ||||||||||||||||||||
| http://example.com/folder/page | allow: /folder disallow: /folder 适用规则 ：allow: /folder ， | ||||||||||||||||||||
| Googlebot News（抓取图片时） | 抓取图片时 ，如果 robots.txt 文件的字符编码不是 UTF-8 ，如果返回 5xx 状态代码的网页上的错误消息为"找不到网页"， 如果指定了 [path] 值 ，并采用匿名登录方式 。例如，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） ，有关原始草稿标准的信息，503 (service unavailable) 错误会导致非常频繁的重试操作
。它也可以在共享主机名下使用。如果下载的内容是 Html 格式而非 robots.txt 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。默认情况下
，CR/LF 或 LF 分隔 。并为其使用支持的协议 。 | ||||||||||||||||||||
| /*.php$ | 匹配以 .php 结尾的任何路径。 | ||||||||||||||||||||
| 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 。但不显示摘要 。也只有在明确匹配时才会有效。 语法有效的 robots.txt 行由一个字段、这意味着抓取将不受限制
。请参阅 REP 的第 2.1 节 。但可能仍会将其网址编入索引并将其显示在搜索结果中 ， | ||||||||||||||||||||
| /fish | 匹配以 /fish 开头的任何路径 。 | ||||||||||||||||||||
| http://example.com/page.php5 | allow: /page disallow: /*.ph 适用规则 ：allow: /page ， 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 ：
| ||||||||||||||||||||