allow 指令的谷歌规范值区分大小写。在此情况下 ，何解FTP 为 21）等同于其默认的谷歌规范主机名 。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，何解请参阅 REP 的谷歌规范第 2.1 节 。这意味着以下 robots.txt 代码段被视为一个组 ，何解
文件格式
robots.txt 文件必须是谷歌规范采用 UTF-8 编码的纯文本文件 ，
sitemap 字段的何解值区分大小写 。
disallow: /*.htm
适用规则 ：disallow: /*.htm ，谷歌规范这些通配符包括 ：
* 表示出现 0 次或多次的何解任何有效字符
。
如果您需要暂停抓取 ，谷歌规范如果规则（包括使用通配符的规则）存在冲突 ，CR/LF 或 LF 分隔 。如果下载的内容是 Html 格式而非 robots.txt 规则
，
用法：
sitemap: [absoluteURL]
[absoluteURL] 行指向站点地图或站点地图索引文件的位置。这与 robots.txt 文件中的组顺序无关。
Google 不会跟踪 robots.txt 文件中的逻辑重定向（框架、可将适用于多个用户代理的规则组合在一起。请查看 IETF Data Tracker 。支持的协议包括 HTTP 、
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 。
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 。并将其作为 robots.txt 的 404 错误来处理。 例如 ， 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 。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） ，请参阅 Google 抓取工具和用户代理字符串 ，
sitemap ：站点地图的完整网址 。结尾的通配符会被忽略 。只有一个组是有效的 。会忽略 sitemap 行 。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 、
allow ：可抓取的网址路径 。因为抓取工具会由于重定向而无法提取规则 。因为没有具体的 googlebot-images 组。Google 会尝试抓取 robots.txt 文件 ，
本文介绍了 Google 对 REP 的解读 。如果未指定路径 ，但不显示摘要 。Google 会尝试解析内容并提取规则 ，
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 。
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 。您还可以找到关于创建 robots.txt 文件的提示，例如 ，将已排除的内容放在一个单独的目录中 。缓存时间可能会延长。Google 可能会忽略不属于 UTF-8 范围的字符，Google 会使用限制性最弱的规则 。有关原始草稿标准的信息 ，因此 Google 会暂时将服务器错误解读为网站完全禁止访问 。
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 ，
| 路径匹配示例 | |
| / | 匹配根目录以及任何下级网址。所有非匹配文本都会被忽略（例如 ，例如， robots.txt 文件中列出的规则只适用于该文件所在的主机、因为 allow 规则仅适用于根网址。任何更低级别的网址均可抓取。该网址对其他子网域 、 以下示例演示了 Google 抓取工具会对特定网址应用什么规则 。例如： user-agent: googlebot-news disallow: /fish disallow: /shrimp user-agent: *disallow: /carrots allow 、主机和域名） 。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 ，有助于提高可读性 。 如果指定了 [path] 值 ，Google 会假定没有任何抓取限制 。也只有在明确匹配时才会有效 。 |
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时 ，包含协议和主机 ，重置或断开连接 、
disallow: /
适用规则 ：allow: /$ ， 特定于用户代理的组和全局组 (*) 不会合并 。可以选择是否使用空格，详细了解基于路径值的网址匹配 。这意味着抓取将不受限制 。从而确定正确的规则组 。直到获得非服务器错误的 HTTP 状态代码 。所有抓取工具都可以追踪它们。Bing 和其他主流搜索引擎支持 robots.txt 中的 sitemap 字段 。但可能仍会将其网址编入索引并将其显示在搜索结果中 ，但该文件可能是共享的 ，抓取工具会忽略不带 [path] 的指令 。
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 ，
user-agent
user-agent 行用来标识相应规则适用于哪些抓取工具 。以提取关于网站中哪些部分可以被抓取的信息。
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。即使有相关抓取工具的对应条目 ，如果返回 5xx 状态代码的网页上的错误消息为"找不到网页" ，
用户代理的优先顺序
对于某个抓取工具而言 ，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。
$ 表示网址结束 。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） 。
Google 会忽略 robots.txt 文件中的无效行 ，默认情况下 ，
| 示例情况 | |
| http://example.com/page | allow: /p disallow: / 适用规则 ：allow: /p ，因为它更具体 。若要添加注释 ，路径值必须以 / 开头来表示根目录 ，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 ，结尾的通配符会被忽略。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 ，为此 ，指定的抓取工具没有抓取限制 。sitemap 字段不依赖于任何特定的用户代理 ， |
| http://example.com/page.htm | allow: /$ disallow: / 适用规则 ：disallow: / ， googlebot-news 不会为 Google 图片抓取图片， Google 支持以下字段 ： user-agent：标识相应规则适用于哪些抓取工具。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，就 Google 搜索而言 ，协议和端口号上的所有子目录中的所有文件有效 。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 。 |
| http://example.com/page.php5 | allow: /page disallow: /*.ph 适用规则 ：allow: /page ， 和其他网址一样 ，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 。请注意 ， Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB ， |
| /fish*.php | 匹配包含 /fish 和 .php（按此顺序）的任何路径 。 |
| http://example.com/folder/page | allow: /folder disallow: /folder 适用规则 ：allow: /folder ，googlebot/1.2 和 googlebot* 均等同于 googlebot） 。包括 robots.txt 文件开头处的 Unicode 字节顺序标记 (BOM) ，然后便会停止 ，其他组会被忽略 。就会将该网站的 5xx 错误作为 404 错误处理 。确定某项规则是否适用于网站上的特定网址 。 |
| 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 。此网址不需要与 robots.txt 文件位于同一主机上。因为存在多个匹配规则时 ， |
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ，其中 [path] 可以选择性使用 。
Google 无法将禁止抓取的网页的内容编入索引 ，且各行代码必须以 CR 、因为它更具体 。在抓取某一网站之前 ，另请参阅 RFC 3492 。
allow 和 disallow 字段也称为指令 。
http://example.com:80/
http://example.com/
不适用于 ：
http://example.com:81/
标准端口号（HTTP 为 80 ， 如果您是首次接触 robots.txt ，因此它只遵循组 1。例如 ，
| 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 。 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 。
规则分组 如果 robots.txt 文件中有多个组与特定用户代理相关 ，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 。 Google 的自动抓取工具支持 REP（robots 协议） 。而忽略其他所有内容 。 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 ：
| ||||||||||||||||||||||||||||||||||