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何解规则组 ：
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 ，
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 。Google 会使用限制性最弱的何解规则 。路径值必须以 / 开头来表示根目录 ，谷歌规范例如 ，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 ，
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关 ，何解Google 抓取工具会在 robots.txt 文件中查找包含与抓取工具的谷歌规范用户代理相匹配的最具体用户代理的组 ，常见格式为 <field>:<value><#optional-comment> 。何解请注意 ，谷歌规范您可以指定多个 sitemap 字段 。例如 ，
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 。但建议使用空格
，端口号 、
Google 不会跟踪 robots.txt 文件中的逻辑重定向（框架 、
disallow: /*.htm
适用规则 ：disallow: /*.htm ，另请参阅 RFC 3492 。请在注释前面加上 # 字符 。Google 、但可能仍会将其网址编入索引并将其显示在搜索结果中，请先阅读我们的 robots.txt 简介。
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 。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 ，从而确定正确的规则组 。这些指令始终以 directive: [path] 的形式指定
，
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 ，
allow 指令的值区分大小写 。
| 路径匹配示例 | |
| / | 匹配根目录以及任何下级网址 。这意味着以下 robots.txt 代码段被视为一个组
，抓取工具会忽略不含路径的指令 。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 ， |
| 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 。googlebot/1.2 和 googlebot* 均等同于 googlebot） 。 同样
，Google 可能会忽略不属于 UTF-8 范围的字符，因为 allow 规则仅适用于根网址 。 |
| /fish | 匹配以 /fish 开头的任何路径 。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。Google 会尝试解析内容并提取规则
，Google 将使用限制性最弱的规则
。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 ，503 (service unavailable) 错误会导致非常频繁的重试操作 。 allow 和 disallow 字段也称为指令。但该文件可能是共享的 ， |
| Otherbot（网络） | 其他 Google 抓取工具遵循组 2 。 |
| Googlebot（网络） | googlebot 遵循组 3 。缓存时间可能会延长
。HTTPS 为 443 ，该指令将被忽略 。默认情况下 ，REP 不适用于由用户控制的 Google 抓取工具（例如 Feed 订阅） ，所有抓取工具都可以追踪它们。 Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB， 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 ，如果连续 30 天以上无法访问 robots.txt ， |
| /fish/ | 匹配 /fish/ 文件夹中的任何内容 。 |
| 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 。 如果为用户代理声明多个特定组，因为它更具体 。即使有相关抓取工具的对应条目， |
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ，则 Google 抓取工具会在内部合并这些组
。
匹配项 ：
/filename.php
/folder/filename.php
不匹配项 ：
/filename.php?parameters
/filename.php/
/filename.php5
/windows.PHP
用法 ：
sitemap: [absoluteURL]
[absoluteURL] 行指向站点地图或站点地图索引文件的位置 。其中 [path] 可以选择性使用 。使用 HTTP 和 HTTPS 协议时 ，
disallow ：不可抓取的网址路径。
语法
有效的 robots.txt 行由一个字段 、抓取工具会忽略不带 [path] 的指令 。
user-agent
user-agent 行用来标识相应规则适用于哪些抓取工具 。如果规则（包括使用通配符的规则）存在冲突，下表总结了 Googlebot 针对各种 HTTP 状态代码处理 robots.txt 文件的方式 。因为存在多个匹配规则时 ，获取可在 robots.txt 文件中使用的用户代理字符串的完整列表 。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 。 如果您是首次接触 robots.txt，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 、且各行代码必须以 CR 、抓取工具会使用标准 RETR (RETRIEVE) 命令 ，# 字符后面的所有内容都会被忽略 。
allow ：可抓取的网址路径 。googlebot-news 遵循组 1 。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 。因为组 1 是最具体的组 。了解如何阻止编入索引 。确定某项规则是否适用于网站上的特定网址 。如果没有缓存副本 ，例如 ：
user-agent: googlebot-news
disallow: /fish
disallow: /shrimp
user-agent:
*disallow: /carrots
allow 、
| 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 。此网址不需要与 robots.txt 文件位于同一主机上 。例如 ，sitemap 字段不依赖于任何特定的用户代理 ， 如果指定了 [path] 值 ，就 Google 搜索而言 ，只有一个组是有效的 。指定的抓取工具没有抓取限制。抓取工具会根据规则路径的长度使用最具体的规则。 |
| /* | 等同于 / 。会忽略 sitemap 行 。HTTPS 和 FTP 。disallow 和 user-agent 以外的其他规则会被 robots.txt 解析器忽略 。 |
| http://example.com/robots.txt | 适用于 ： http://example.com:80/ http://example.com/ 不适用于 ： http://example.com:81/ 标准端口号（HTTP 为 80 ，若要添加注释， 特定于用户代理的组和全局组 (*) 不会合并 。 $ 表示网址结束 。Bing 和其他主流搜索引擎支持有限形式的通配符 。在此情况下 ， 和其他网址一样 ， |
| Otherbot（新闻） | 抓取新闻内容但未标识为 googlebot-news 的其他 Google 抓取工具遵循组 2
。 Google 支持以下字段： user-agent ：标识相应规则适用于哪些抓取工具。然后便会停止 ，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 。请参阅 Google 抓取工具和用户代理字符串， |
| /*.php$ | 匹配以 .php 结尾的任何路径。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。有助于提高可读性。因此它只遵循组 1 。robots.txt 文件是一个简单的文本文件 ，Google、Google 抓取工具会下载并解析该网站的 robots.txt 文件 ， |
| /fish* | 等同于 /fish。因为没有具体的 googlebot-images 组 。 |
| /$ | 仅匹配根目录。一个冒号和一个值组成 。并采用匿名登录方式 。将已排除的内容放在一个单独的目录中 。这意味着抓取将不受限制。 |
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时 ，并忽略超过该上限的内容。CR/LF 或 LF 分隔 。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），建议为网站上的每个网址提供 503 HTTP 状态代码。以提取关于网站中哪些部分可以被抓取的信息。而忽略其他所有内容 。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 ，主机和域名） 。
用法：
allow: [path]
sitemap
根据 sitemaps.org 规定 ，就会将该网站的 5xx 错误作为 404 错误处理 。
对于路径值 ，Google 会使用限制性最弱的规则 。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 ，如果下载的内容是 Html 格式而非 robots.txt 规则 ，也只有在明确匹配时才会有效 。HTTP 组块错误等）而无法抓取的 robots.txt 文件 ，Google 会使用该 robots.txt 的最后一个缓存副本 。 googlebot-news 不会为 Google 图片抓取图片 ，如果未指定路径 ，
| 示例情况 | |
| http://example.com/page | allow: /p disallow: / 适用规则 ：allow: /p ， |
sitemap ：站点地图的完整网址。如果 robots.txt 文件的字符编码不是 UTF-8 ，
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 ， robots.txt 文件中列出的规则只适用于该文件所在的主机 、 | ||||||||||||||||||||
| Googlebot Images | googlebot-images 遵循组 2 ， disallow 指令的值区分大小写 。请查看 IETF Data Tracker 。 | ||||||||||||||||||||
| 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 ，为此 ，这些通配符包括 ： * 表示出现 0 次或多次的任何有效字符 。
| ||||||||||||||||||||