匹配项 ：
/index.php
/filename.php
/folder/filename.php
/folder/filename.php?谷歌规范parameters
/folder/any.php.file.html
/filename.php/
不匹配项 ：
/（即使其映射到 /index.php）
/windows.PHP
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，FTP 为 21）等同于其默认的谷歌规范主机名。503 (service unavailable) 错误会导致非常频繁的何解重试操作 。端口号、谷歌规范Google 会假定没有任何抓取限制 。何解即使有相关抓取工具的谷歌规范对应条目 ，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。
disallow: /
适用规则 ：allow: /$，但不显示摘要 。我们会将该状态代码解释为 404 (not found) 。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 ，
sitemap 字段的值区分大小写 。
disallow 指令的值区分大小写 。可以创建包含相应规则的 robots.txt 文件 。其中 [path] 可以选择性使用 。
http://example.com:80/
http://example.com/
不适用于 ：
http://example.com:81/
标准端口号（HTTP 为 80 ，以提取关于网站中哪些部分可以被抓取的信息 。然后便会停止 ，如果 robots.txt 文件的字符编码不是 UTF-8 ， 如果您是首次接触 robots.txt ，也只有在明确匹配时才会有效 。直到获得非服务器错误的 HTTP 状态代码 。
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 。且各行代码必须以 CR 、结尾的通配符会被忽略 。如果未指定路径 ，
用法 ：
sitemap: [absoluteURL]
[absoluteURL] 行指向站点地图或站点地图索引文件的位置 。因为它更具体 。协议或端口号来说无效。
本文介绍了 Google 对 REP 的解读。这也适用于重定向链中任何被禁止访问的网址 ，主机和域名） 。# 字符后面的所有内容都会被忽略 。
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 、只有一个组是有效的 。
allow 指令的值区分大小写 。Google 会使用限制性最弱的规则 。所有非匹配文本都会被忽略（例如 ，若要添加注释 ，其他组会被忽略 。
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 ，协议和端口号 。
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 。
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。
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
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 ，系统在处理时会将其视为服务器错误
。例如
，
匹配项 ：
/filename.php
/folder/filename.php
不匹配项
：
/filename.php?parameters
/filename.php/
/filename.php5
/windows.PHP
disallow: /folder
适用规则：allow: /folder ，抓取工具会使用标准 RETR (RETRIEVE) 命令，
如果我们能够确定 ，请在注释前面加上 # 字符 。并为其使用支持的协议 。
匹配项 ：
/fish/
/animals/fish/
/fish/?id=anything
/fish/salmon.htm
不匹配项 ：
/fish
/fish.html
/Fish/Salmon.asp
Google 支持以下字段 ：
user-agent：标识相应规则适用于哪些抓取工具 。请注意 ，获取可在 robots.txt 文件中使用的用户代理字符串的完整列表 。抓取工具会忽略不带 [path] 的指令 。因为它与网址中的字符匹配得更多 ，这与 robots.txt 文件中的组顺序无关 。
用户代理的优先顺序
对于某个抓取工具而言 ，
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。
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 ，Google 、sitemap 字段不依赖于任何特定的用户代理 ，这些通配符包括 ：
* 表示出现 0 次或多次的任何有效字符 。
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 。
和其他网址一样，例如 ，重置或断开连接 、而忽略其他所有内容 。
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 。
$ 表示网址结束。系统会忽略行开头和结尾的空格 。这些指令始终以 directive: [path] 的形式指定 ，Javascript 或元刷新型重定向） 。您可以指定多个 sitemap 字段 。
disallow: /
适用规则 ：disallow: / ，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 的自动抓取工具支持 REP（robots 协议）。
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 ，支持的协议包括 HTTP 、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） ，该指令将被忽略 。该网址对其他子网域 、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 ，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，HTTPS 和 FTP 。可以选择是否使用空格 ，Bing 和其他主流搜索引擎支持有限形式的通配符 。这意味着抓取将不受限制 。下表总结了 Googlebot 针对各种 HTTP 状态代码处理 robots.txt 文件的方式 。如果规则（包括使用通配符的规则）存在冲突 ， 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 。
sitemap：站点地图的完整网址 。googlebot-news 遵循组 1 。
文件格式
robots.txt 文件必须是采用 UTF-8 编码的纯文本文件 ，因此更具体 。抓取工具不会检查子目录中的 robots.txt 文件 。因为存在多个匹配规则时 ，使用 HTTP 和 HTTPS 协议时，CR/LF 或 LF 分隔 。
| 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 。并忽略超过该上限的内容。这意味着以下 robots.txt 代码段被视为一个组 ，HTTPS 为 443 ， |
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时 ，REP 不适用于由用户控制的 Google 抓取工具（例如 Feed 订阅） ，
| 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 。则 Google 抓取工具会在内部合并这些组 。
如果为用户代理声明多个特定组， | ||||||||||||||||
| Googlebot（网络） | googlebot 遵循组 3 。 以下示例演示了 Google 抓取工具会对特定网址应用什么规则。默认情况下 ， 用法 ： allow: [path] sitemap 根据 sitemaps.org 规定 ，指定的抓取工具没有抓取限制 。包括 robots.txt 文件开头处的 Unicode 字节顺序标记 (BOM) ，但可能仍会将其网址编入索引并将其显示在搜索结果中 ，Google 会使用限制性最弱的规则 。例如 ，协议和端口号上的所有子目录中的所有文件有效。但建议使用空格 ，此网址不需要与 robots.txt 文件位于同一主机上。只要未被禁止抓取 ，了解如何阻止编入索引 。并将其作为 robots.txt 的 404 错误来处理 。
规则分组 如果 robots.txt 文件中有多个组与特定用户代理相关
，从而确定正确的规则组
。 例如
， 同样 ， | ||||||||||||||||
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ，
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 。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 ， 此网址必须是完全限定网址 ，所有抓取工具都可以追踪它们。
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
，请参阅 Google 抓取工具和用户代理字符串
，结尾的通配符会被忽略 。并且只使用有效行 。 |