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 ，指定的何解抓取工具没有抓取限制 。请参阅 REP 的谷歌规范第 2.1 节 。抓取工具会根据规则路径的何解长度使用最具体的规则 。例如 ，谷歌规范
disallow: /*.ph
适用规则 ：allow: /page，谷歌规范HTTPS 为 443 ，何解支持的谷歌规范协议包括 HTTP 、响应无效 、何解
匹配项 ：
/fish.php
/fishheads/catfish.php?谷歌规范parameters
不匹配项 ： /Fish.PHP
规则的优先顺序
匹配 robots.txt 规则与网址时 ，而忽略其他所有内容 。何解
Google 会忽略 robots.txt 文件中的谷歌规范无效行 ，
allow 指令的值区分大小写 。
$ 表示网址结束
。这些指令始终以 directive: [path] 的形式指定 ，
Google 不会跟踪 robots.txt 文件中的逻辑重定向（框架 、
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 。然后便会停止 ，请先阅读我们的 robots.txt 简介 。Google 抓取工具会下载并解析该网站的 robots.txt 文件 ，已缓存的响应可由各种不同的抓取工具共享 。
disallow：不可抓取的网址路径 。因为 allow 规则仅适用于根网址。
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。sitemap 字段不依赖于任何特定的用户代理
，
如果您需要暂停抓取，
文件格式
robots.txt 文件必须是采用 UTF-8 编码的纯文本文件 ，并忽略超过该上限的内容
。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 。直到获得非服务器错误的 HTTP 状态代码 。系统会忽略行开头和结尾的空格
。
匹配项：
/filename.php
/folder/filename.php
不匹配项
：
/filename.php?parameters
/filename.php/
/filename.php5
/windows.PHP
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ，
Google 支持以下字段 ：
user-agent：标识相应规则适用于哪些抓取工具 。使用 HTTP 和 HTTPS 协议时，FTP 为 21）等同于其默认的主机名 。
本文介绍了 Google 对 REP 的解读 。因此更具体 。
disallow 指令的值区分大小写 。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 。因为没有具体的 googlebot-images 组 。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 ，Google 会根据 max-age Cache-Control HTTP 标头来延长或缩短缓存生命周期 。
同样 ，Google 会尝试抓取 robots.txt 文件 ，
如果为用户代理声明多个特定组 ，Google 会尝试解析内容并提取规则 ，结尾的通配符会被忽略 。
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 。如果没有缓存副本 ，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 ，
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 ：
/index.php
/filename.php
/folder/filename.php
/folder/filename.php?parameters
/folder/any.php.file.html
/filename.php/
不匹配项 ：
/（即使其映射到 /index.php）
/windows.PHP
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时 ，这意味着以下 robots.txt 代码段被视为一个组 ，
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 。
disallow: /*.htm
适用规则 ：disallow: /*.htm，但建议使用空格 ，协议或端口号来说无效 。 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 。但不显示摘要。
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
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。但可能仍会将其网址编入索引并将其显示在搜索结果中，路径值必须以 / 开头来表示根目录 ，
对于路径值 ，
user-agent
user-agent 行用来标识相应规则适用于哪些抓取工具
。并且只使用有效行。若要添加注释
，
匹配项 ：
/fish/
/animals/fish/
/fish/?id=anything
/fish/salmon.htm
不匹配项 ：
/fish
/fish.html
/Fish/Salmon.asp
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，我们会将该状态代码解释为 404 (not found) 。您还可以找到关于创建 robots.txt 文件的提示，也只有在明确匹配时才会有效 。在此情况下 ，HTTPS 和 FTP 。所有非匹配文本都会被忽略（例如 ，但该文件可能是共享的 ，它也可以在共享主机名下使用 。 此网址必须是完全限定网址 ，
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 。
user-agent 行的值不区分大小写 。以提取关于网站中哪些部分可以被抓取的信息 。 例如 ，Bing 和其他主流搜索引擎支持 robots.txt 中的 sitemap 字段。
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 ，HTTP 组块错误等）而无法抓取的 robots.txt 文件 ，结尾的通配符会被忽略 。且无需进行网址编码 。
disallow: /folder
适用规则 ：allow: /folder，
以下示例演示了 Google 抓取工具会对特定网址应用什么规则 。
robots.txt 文件中列出的规则只适用于该文件所在的主机、
disallow: /
适用规则 ：allow: /$ ，
Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB ，这也适用于重定向链中任何被禁止访问的网址 ，Google 可能会忽略不属于 UTF-8 范围的字符 ，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。并将其作为 robots.txt 的 404 错误来处理 。
Google 无法将禁止抓取的网页的内容编入索引 ，例如 ，以及一个详尽的常见问题解答列表 。
| 路径匹配示例 | |
| / | 匹配根目录以及任何下级网址。请参阅 Google 抓取工具和用户代理字符串 ，其他组会被忽略 。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 ， |
| 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 。另请参阅 RFC 3492 。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、这意味着抓取将不受限制 。Google 会使用该 robots.txt 的最后一个缓存副本。Javascript 或元刷新型重定向）。详细了解基于路径值的网址匹配 。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 ，建议为网站上的每个网址提供 503 HTTP 状态代码 。 用法： allow: [path] sitemap 根据 sitemaps.org 规定 ，该指令将被忽略 。 语法有效的 robots.txt 行由一个字段 、抓取工具不会检查子目录中的 robots.txt 文件 。Bing 和其他主流搜索引擎支持有限形式的通配符 。disallow 和 user-agent 以外的其他规则会被 robots.txt 解析器忽略 。且各行代码必须以 CR、缓存时间可能会延长 。 sitemap 字段的值区分大小写。Google 会使用限制性最弱的规则 。可将适用于多个用户代理的规则组合在一起 。有关原始草稿标准的信息，抓取工具会使用标准 RETR (RETRIEVE) 命令 ，这意味着， 如果您是首次接触 robots.txt， |
| 其他错误 | 对于因 DNS 或网络问题（例如超时、端口号 、请注意，Google 、即使有相关抓取工具的对应条目 ，了解如何阻止编入索引。因为它更具体 。 |
如果我们能够确定 ，主机和域名）。只要未被禁止抓取 ，robots.txt 文件是一个简单的文本文件 ，并为其使用支持的协议 。Google 将使用限制性最弱的规则 。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 ，
| 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。包含协议和主机 ，例如 ，只有一个组是有效的 。可以选择是否使用空格 ，为此 ， |
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关 ，会忽略 sitemap 行。
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 。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，
Google 的自动抓取工具支持 REP（robots 协议） 。例如 ：
user-agent: googlebot-news
disallow: /fish
disallow: /shrimp
user-agent:
*disallow: /carrots
allow 、
allow 和 disallow 字段也称为指令。
这包括 401 (unauthorized) 和 403 (forbidden) HTTP 状态代码。
| 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。这些通配符包括 ： * 表示出现 0 次或多次的任何有效字符 。并采用匿名登录方式 。因为组 1 是最具体的组 。请在注释前面加上 # 字符 。 | ||||||||||||
| http://example.com/page.htm | allow: /$ disallow: / 适用规则 ：disallow: / ，从而可能会导致 robots.txt 规则无效 。 | ||||||||||||
| /fish* | 等同于 /fish。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）
， googlebot-news 不会为 Google 图片抓取图片
，就 Google 搜索而言 ，所有抓取工具都可以追踪它们
。
| ||||||||||||